电动汽车供电系统锂电池剩余寿命预测

电动汽车的锂电池受工况、环境等因素影响,具有很强的时变非线性,对其进行剩余寿命预测具有挑战性。针对现有算法未同时考虑不确定表达、预测精度以及不同电池的适应能力对剩余寿命的影响,提出了一种正则化粒子滤波和自回归滑动平均模型相融合的锂电池剩余寿命预测算法。以锂电池的经验退化模型作为融合算法的状态方程,自回归滑动平均模型的预测输出值替代观测值,构建状态空间模型,迭代更新电池容量,实现锂电池的剩余寿命预测。基于NASA锂电池数据集进行仿真验证,并与标准粒子滤波和正则化粒子滤波算法相比较,实验结果表明,在中期、后期预测过程中融合算法的预测误差在5%以下,该方法具有较好的锂电池剩余寿命预测精度。     

基于CPSO算法的风力机变桨距自抗扰控制

为解决风力机控制系统在不同风况下稳定性差的问题,设计了一种变桨距自抗扰控制器,估计和补偿了系统未知环节和外界扰动,实现输出功率在不同风速下稳定输出。针对自抗扰控制器参数多且难以整合的特点,融入混沌粒子群优化(CPSO)算法优化控制器的参数,减少了参数整定的数目,提高了系统控制精度和效率。对额定功率为300 kW的风电机组在不同风速作用下进行仿真,结果表明,该方法可以快速调节风速变化引起的输出波动,能够使控制系统输出平稳且超调量小,具有较好的稳定性和鲁棒性。     

基于模型补偿的风力机变桨距线性自抗扰控制器设计

设计了一种变桨距线性自抗扰控制器,估计和补偿了系统未建模部分和外界干扰,实现额定风速以上时系统输出功率稳定于额定值;并采用模型补偿方法对自抗扰控制器进行优化,减少了参数整定的数目,提高了系统控制精度。对额定功率为300 kW的风电机组分别在阶跃风、阵风以及湍流风作用下进行系统仿真。结果表明,该方法可以快速调节风速变化引起的输出波动,使得系统输出稳定且超调量小,具有很好的稳定性和鲁棒性。