直流接地极线路用电流互感器暂态特性现场试验与分析

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。     

1种在线模型频域特性辩识方法的研究与应用

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％.     

通用动态负荷模型电压阶跃检测和参数辨识方法

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。     

高频电流SDFT解调的无位置传感器控制

为了克服传统高频注入分析方法中受滤波器滞后及带宽响应影响而导致实际转子位置的辨识精度降低的缺点。提出一种基于滑动离散傅里叶变换(SDFT)的高频电流解调新方法,该方法无需分离出高频电流负序分量且与注入信号相位无关,通过SDFT提取出高频电流幅值,利用幅值关系得到转子位置误差信号,结构简单易于数字实现。通过仿真和实验验证了该控制策略的有效性。     

阶跃响应法在小电流接地系统故障选线与测距中的应用

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.     

动力电池系统汇流排阻抗辨识及单体电压补偿∗

鉴于当前动力电池系统大电流高压化的发展趋势,研究动力电池系统汇流排阻抗辨识及单体电压补偿方法. 分析了电池包汇流排阻抗特性对单体电压采样功能的影响,建立了汇流排阻抗参数化模型,并通过筛选特征工况点采用带遗忘因子的最小二乘法进行阻抗在线辨识,基于对汇流排压降的可靠性评估实现单体电压的可靠补偿.最后,导入试验数据仿真验证了汇流排阻抗在线辨识结果精度较高,并且实现了单体电压稳定可靠补偿,有效降低了动力电池系统的动态偏差和提高了可用容量.     

基于神经网络的动力电池组SOC辨识方法

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.     

基于子空间技术的电动汽车电池模型辨识研究

电动汽车动力电池模型的观测和辨识是电动汽车高效、稳定、安全运行的基础。基于电池的电路模型,从利于辨识的角度,建立了状态空间形式的电池模型,并提出了基于子空间技术的模型辨识算法。在不同阶次、脉宽和幅值下,采用逆M序列对电池模型辨识效果进行了验证和比较,最终提出了最优的电动汽车动力电池参数辨识方法。实验结果表明,该方法具有较高的精度和普遍的适用性,可以广泛地应用于不同类型的电池。     

锂离子电池静置下阶跃放电电流动态模型

分析锂离子电池的一些特性时通常要电池的恒流放电曲线特性。目前工程上一般令电池输出阶跃电流以测取这个曲线,因此得到的电池电压特性是阶跃电流响应而不是恒电流响应。基于电化学理论中的控制电流法提出了建立锂离子电池阶跃电流响应模型的方法,分析了放电过程正极材料扩散系数的变化对电池端电压的影响,建立了数学模型并给出了模型参数的获取方法,还分析了模型参数随工作电流、环境温度以及电池荷电状态的变化规律。仿真和实物实验验证了模型的正确性。     

电流闭环对三相PWM变流器输出阻抗的影响分析

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。     

充电模态下电动汽车动力电池模型辨识

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。     

电流互感器拖尾电流快速检测算法研究

理论分析TA(电流互感器)拖尾电流的特点,提出一种对TA拖尾电流的快速检测算法,利用非周期分量的特点,对电流值进行二次求导,在保证周期分量幅值不变的情况下,衰减直流分量变小。提出在1/4周期内积分判据快速识别故障电流消失。仿真分析结果证明了快速检测算法的可行性。     

基于VFFRLS算法的锂电池参数辨识

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。     

优化电池模型的自适应Sigma卡尔曼荷电状态估算

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。     

动力电池动态模型参数辨识的研究

为实现动力电池状态的精确估计,需要提高电池模型的精确性.对选定的电池模型进行在线参数辨识能够实时反映电池真实的工作状态.采用含遗传因子的递推最小二乘算法（FFRLS）对二阶RC模型进行参数辨识,并在Matlab/Simulink环境下搭建仿真模型用于验证辨识结果.仿真验证结果表明：由FFRLS算法得到的模型参数较为精确,可以作为模型参数在线辨识的一种有效手段.另外,FFRLS算法还能完成电池开路电压的估计,可作为估计电池SOC的参考,有利于了解电池性能状态.     

基于改进粒子群算法的电流互感器J-A模型参数辨识

在应用Jiles-Atherton(J-A)磁滞模型对电流互感器的磁滞回线进行分析时,需对J-A磁滞模型中5个关键参数进行精确识辨.针对目前辨识方法存在的计算时间长和寻优能力差等问题,提出了一种改进的粒子群算法对J-A磁滞模型中的关键参数进行辨识.该算法将遗传选择策略引入到粒子群算法中,通过增加粒子群的多样性来提高了算...     

锂离子电池组容量差异辨识方法研究

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。     

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

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.     

基于LabVIEW的铅酸蓄电池阻抗参数辨识系统研究

基于LabVIEW对铅酸蓄电池的阻抗参数辨识系统进行了研究,在对铅酸蓄电池阻抗进行全面分析的基础上,提出了系统设计的总体方案以及软件和硬件的具体设计;同时提出了由虚拟仪器实现变频交流恒流源的方法,实现了铅酸蓄电池阻抗参数的在线实时辨识,具有重要的实际意义和推广价值.