共查询到19条相似文献,搜索用时 250 毫秒
1.
直流接地极线路用电流互感器的暂态阶跃特性及其现场试验方法对系统控制保护和故障检测定位等具有重要意义。为此结合接地极系统实际,提出一种带电运行中人工短路与停电下阶跃响应特性的组合现场试验方案。首先,在接地极系统带电运行情况下,通过人工短路故障验证互感器暂态传变特性对保护的适应性。然后,开展了直流电流互感器阶跃响应现场同步闭环测试系统研制,通过模块化并联和内置式标准波形溯源调节方法提升阶跃电流源输出准确度,其输出参数为:阶跃幅值0~600 A可调,上升时间≤30μs,脉宽最大为100 ms。依托该试验系统,在富宁换流站对接地极直流电流互感器的阶跃响应时间、上升时间和延迟时间等参数进行了测试。结果表明,该方法可有效评估接地极直流电流互感器阶跃响应特性。 相似文献
2.
提出了1种基于频域特性分析的在线模型频域特性辨识方法,该方法算法简单,易于实现,且具有较强的抗干扰性和较高的辩识精度.在PID调节器的输出信号和过程输出信号中均包含与辩识频谱信号相同的频谱成分,当频谱的幅值和相位特性发生变化时,该变化与PID调节器、控制对象和闭环控制系统的特性相关.通过对PID调节器输出信号中频谱成分的幅值和相位与过程输出信号中频谱成分的幅值和相位比较,可辩识得到控制对象的频域特性,仿真试验及应用研究验证了该方法的有效性.当在参考滤波器模块组输入中加入带宽为80.0 Hz,平均幅值为方波辨识信号幅值100%的高频高斯干扰信号后,对二阶惯性环节相位频率特性的仿真辩识精度大于0.64°,二阶惯性环节幅值频率特性仿真辩识精度大于1.1%. 相似文献
3.
如何确定渐变电压信号等效阶跃点位置和采取合理的信号预处理方法对通用动态负荷模型参数辨识有重要影响。针对动态负荷建模试验的需要,利用等效电压阶跃来代替电压渐变信号,把聚类分析引入等效电压阶跃点检测中。在一定时间区间内考虑电压数值的分布特性,结合小波去噪进行负荷信号预处理,基于MATLAB平台,借助GUI(图形用户界面)开发手段,实现了通用动态有功负荷模型的参数辨识。实验结果表明:采用聚类分析方法,可以有效实现经均值滤波和小波去噪处理后的渐变电压信号的阶跃点检测;利用bior3.7小波4层分解去噪的信号进行参数辨识,结果稳定性最好。该方法适用于由于手动改变变压器分接头位置等引起的电压渐变条件下具有功率恢复特性的负荷建模和离线分析。 相似文献
4.
5.
小电流接地系统发生单相接地后,分析对外施阶跃激励,所有线路在某一特定频率下幅值达到最大,故障线路幅频响应最大值等于所有非故障线路幅频响应最大值之和,相位相反;且幅频特性峰值及其对应频率与故障位置存在严格的解析映射关系,据此构造了基于注入信号的小电流接地系统单相接地故障选线和测距的"阶跃响应法".仿真实验表明,该方法受过渡电阻影响很小,能够实现准确选线和精确定位. 相似文献
6.
7.
基于神经网络的动力电池组SOC辨识方法 总被引:1,自引:0,他引:1
目前电动汽车动力电池荷电状态(SOC)的辨识误差约在8%左右,且主要集中在电池恒流放电过程的辨识,对电池交流放电状态中SOC的辨识研究不是很多.在实际应用中,尤其是在混合动力电动汽车中,电池多处于变流放电状态中,而且电流幅值变化较大.为此,提出了基于电池时变特性的径向基神经网络SOC辨识法.该方法摒弃了以电池单点时刻状态参数作为网络输入的做法,采用动力电池变流放电参数为输入,使辨识精度提高到3%.此方法尤其对动力电池处于交流放电状态时,效果更加明显. 相似文献
8.
9.
10.
三相PWM变流器输出阻抗对其输出特性以及并网系统稳定性有着重要的影响。现有阻抗的研究多集中关注由变流器输出阻抗导致的交互影响问题,而对变流器本身输出阻抗特性分析较少。以三相PWM整流器为例,用小信号方法建立了整流器的开环阻抗模型以及考虑电流环和锁相环之后的阻抗模型,分析了电流环的引入对整流器阻抗的影响以及电流环参数与阻抗的关系。结果表明,与开环控制相比,引入电流环之后整流器的导纳幅值整体减小,在低频段减小的幅度与电流控制器的积分参数有关,在高频段减小的幅值与电流控制器的比例参数有关。仿真结果验证了分析方法的有效性和分析结果的正确性。 相似文献
11.
充电模态下电动汽车动力电池模型辨识 总被引:1,自引:0,他引:1
电池模型及参数辨识是电动汽车动力电池进行充、放电优化控制的基础,同时模型参数受充、放电工况的影响。为对充电模态下的电动汽车动力电池进行建模与参数辨识,对动力电池建模方法、模型参数辨识算法展开研究,建立基于电极阻抗谱理论的可变阶次电池等效电路模型,提出基于遗忘因子扩展递推最小二乘算法(FFRELS)的模型参数辨识算法,构建基于贝叶斯信息准则(BIC)的电池模型最优阶次选择算法,创建基于晶格气体模型(LGM)的电池开路电压模型,对电池模型参数辨识算法进行修正,实现了充电模态下的电池模型参数辨识与最优阶次选择。仿真结果证明了该方法的有效性。 相似文献
12.
13.
动力电池性能是影响电动汽车综合性能的关键因素,因此准确辨识锂离子电池模型的参数对后续电池系统的荷电状态估计和健康状态预测至关重要。为了提高锂离子电池模型参数辨识算法的精度,以磷酸铁锂电池作为研究对象,建立电池二阶RC等效电路模型,并采用基于变量遗忘因子的最小二乘算法对锂离子电池模型进行在线参数辨识。通过搭建测试平台进行充放电实验,基于2种不同工况的实验数据,分别用文中算法、递推最小二乘算法和传统的带遗忘因子的最小二乘算法进行参数辨识,根据辨识结果估计出的端口电压与实验测试得到的实际值的误差比较来描述文中算法辨识结果的准确度。实验结果表明,基于变量遗忘因子的最小二乘算法在锂电池参数辨识方面表现出快速的收敛性和较高的估计精度。 相似文献
14.
优化电池模型的自适应Sigma卡尔曼荷电状态估算 总被引:1,自引:0,他引:1
采用数学模型法对磷酸铁锂电池进行非线性建模,优化了状态模型及观测模型。模型考虑了充放电倍率、温度、老化循环寿命等因素,对电池松弛效应及极化现象影响进行建模补偿,提高了电池建模的准确度,降低了不同条件下因电池模型造成电池荷电状态(SOC)估算的误差影响。在电池模型参数辨识基础上,提出采样自适应Sigma卡尔曼算法构建SOC估算模型,按照非线性模型对状态变量的分布构建Sigma采样序列,采用模型输出残差更新噪声协方差,赋予Sigma采样序列最优估计及噪声的权值,并实现误差量的实时更新,降低计算复杂度。通过持续大电流、间断电流、变电流放电及充电实验条件下的SOC估算对比实验,验证了自适应Sigma卡尔曼算法快速收敛性,数学描述更准确,具备较高的SOC的观测准确度。 相似文献
15.
16.
17.
锂离子电池组容量差异辨识方法研究 总被引:2,自引:0,他引:2
电池组中普遍存在的不一致性问题,是制约电池组可用容量的重要因素之一。电池组内电池单体参数的差异性是描述电池组性能的重要指标,其中容量差异直接与电池组可用容量和优化控制等息息相关。文中对充电电流变化时电压曲线可进行简单缩放进行合理假设。基于该假设,建立一种快速容量差异辨识的方法,并从多种角度分析验证该方法的合理性和适应性。采用容量增量分析法修正SOC和内阻造成的估算误差。将该方法应用于具有较高电压采样精度和宽SOC工作范围的电池组充电数据上,基础算法误差低于2.5%,经修正后辨识误差可小于1.5%。该方法可以用于描述电池组内单体容量的不一致性,为电池组的均衡和维护提供参考。 相似文献
18.
Online collaborative estimation technology for
SOC and SOH of frequency regulation of a
lead-carbon battery in a power system with a high
proportion of renewable energy
下载免费PDF全文
![点击此处可从《电力系统保护与控制》网站下载免费的PDF全文](/ch/ext_images/free.gif)
Hongchun Shu Member IEEE Wenlong Li Guangxue Wang Student Member IEEE Yiming Han Jiannan Li Yutao Tang 《电力系统保护与控制》2024,9(1):52-64
In this paper, a collaborative online algorithm is proposed to estimate the state of charge (SOC) and state of health (SOH) of lead-carbon batteries that
participate in frequency regulation of a power system with a high proportion of renewable energy. The algorithm addresses the inaccurate estimation of energy
storage battery states caused by continuous and alternating charging and discharging over a short period. Analysis of lead-carbon battery chemistry and materials
reveals that the resistance of the diaphragm is the most influential factor in battery aging. In addition, the hysteresis characteristics of an energy storage battery vary significantly between the charging and discharging stages. A second-order RC equivalent circuit model is proposed that considers the contact and diaphragm resistances, and hysteresis characteristics. Based on this, models for constant current charging interaction, constant voltage charging interaction, and dynamic discharging interaction are developed. The adaptive forgetting factor recursive leassquare (AFF-RLS) method is used to identify the parameters of the interactive models. Then an interactive multiple model with the embedded unscented Kalmanfilter (UKF) is used to estimate the SOC of the energy storage battery. The membrane and contact resistances identified by the interactive multi-model (IMM) are used to estimate the SOH, and online collaborative optimization of the SOC and SOH is achieved. The error of the proposed SOC estimation method is experimentally verified to be within 2%, which is less than 5% of the standard value, and the error of SOH estimation is within 0.5%, demonstrating the high accuracy of the proposed method. 相似文献