基于无迹卡尔曼滤波单液流锌镍电池SOC估计

针对单液流锌镍电池荷电状态估计(SOC)还未较有为完善的解决方案,提出一种基于无迹卡尔曼滤波(UKF)算法的单液流锌镍电池SOC估计.对单液流锌镍电池工作原理进行介绍,建立单液流锌镍电池二阶等效电路模型,并对电池内部参数进行辨识,通过利用扩展卡尔曼滤波算法(EKF)和无轨迹卡尔曼滤波算法(UKF)分别对单液流锌镍电池的SOC估计,经过仿真分析两种算法的误差,进一步说明无迹卡尔曼滤波算法有较高的精确度,估计误差在2％以内,能够满足单液流锌镍电池荷电状态估计要求.     

改进WOA的单液流锌镍电池充电策略

采用改进的鲸鱼优化算法(WOA)优化充电电流,实现对单液流锌镍电池的充电控制.采用脉冲电流对电池进行充电实验,建立Thevenin等效电路模型并进行参数辨识,运用扩展卡尔曼滤波(EKF)实现荷电状态(SOC)估算.构建的单液流锌镍电池充电时间-能耗模型,以缩短充电时间、降低能量损耗为目标,采用权重系数将时间-能耗的双目标模型转换为单目标模型;将0～95％的SOC分为19个阶段,并设置相对应的充电电流值,使用改进WOA优化19个电流值,求出最优的充电时间与能耗.在单液流锌镍电池充电过程中,用改进的WOA对电流优化后,与0.5 C恒流充电方法相比,能耗减少了1.58％、时间缩短了 2.27％.     

基于COA-ASRCKF的单液流锌镍电池SOC估计

针对容积卡尔曼滤波(CKF)算法在迭代过程中存在诸多破坏协方差对称性和正定性的敏感操作,进而导致算法终止的现象,提出一种自适应平方根容积卡尔曼滤波(ASRCKF)算法.采用ASRCKF算法在估算单液流锌镍电池荷电状态(SOC)时,过程噪声协方差Q、量测噪声协方差初值R(0)和状态误差协方差初值P0的设定,对估算精度和鲁棒性有重要影响.为此,应用郊狼优化算法(COA)对Q、R(0)和P0进行参数寻优.实验结果表明,提出的COA-ASRCKF算法能较好地应用于单液流锌镍电池SOC估计.与CKF和ASRCKF算法相比,估算精度更高、鲁棒性更强,均方根误差小于1％.