基于LE-ELM的锂电池热过程时空建模方法北大核心CSCD

锂电池管理系统对于锂电池的效率、寿命和安全至关重要,而电池管理系统对电池的控制、热管理和故障诊断等都需要依赖于准确的电池热过程模型。然而锂电池热过程属于一种具有强非线性特征的分布参数系统,电池内部的温度分布是时空耦合的,并且具有无限维的特性,使得建模存在很大的困难。针对上述问题,本工作提出了一种基于LE-ELM的锂离子电池热过程建模方法。首先使用基于拉普拉斯特征映射(laplacian eigenmaps,LE)的局部非线性降维方法构建空间基函数,以表征系统固有的非线性拓扑特征;利用所得的基函数进行时空分离,获得原始数据的低阶时序表达;然后用极限学习机(extreme learning machine,ELM)以时间系数和对应的电流电压输入信号来近似低阶时序模型。最后集成辨识出的ELM模型与空间基函数,通过时空综合重构出锂离子电池的全局时空模型。为验证算法的有效性,使用所提出的方法对三元软包锂电池热过程进行建模。     

基于优化Elman神经网络的锂电池容量预测北大核心CSCD

锂离子电池容量的精确预测有利于提升电池的使用安全和避免电池滥用,受其复杂的内部电化学反应和外部使用条件影响,对其老化后的容量精确预测一直是电池管理系统的难点之一。为实现锂电池全服役周期内容量的高效准确预测,本文提出了一种基于遗传算法优化的Elman神经网络(GA-Elman)电池容量预测模型。首先选择电池不同循环下的放电容量增量、内阻以及温度数据作为有效表征电池老化和容量衰减规律的特征量,其次运用主成分分析算法对特征量进行降维以降低训练量数据维度,然后基于Elman神经网络构建电池容量预测模型,并引入遗传算法优化Elman神经网络的权值和阈值,实现对电池容量的高效精确预测,最后在不同电池上对该模型进行了验证。验证结果表明:与传统Elman神经网络和长短期记忆神经网络(long and short term memory neural network,LSTM NN)预测模型相比,GA-Elman神经网络预测模型有更好的预测精度和更高的运算效率。在不同电池上该模型预测结果的最大平均绝对误差为0.92%,最大均方根误差为1.02%,最小拟合系数为0.9679,表明该模型可以精确预测锂电池衰退过程中的容量并且对不同电池有较强的适应性。     

基于伪二维电化学-热耦合模型的锂电池热特性研究

锂电池放电过程中的产热受电池内部电化学反应和欧姆效应影响,电池产热由电池化学与动力学决定,而电池动力学依赖于电池运行条件和设计参数。锂电池的六个温度依赖性参数对锂电池的放电过程中的产热速率具有影响,包括固相活性颗粒和电解液中的锂离子扩散系数、反应速率常数、电极开路电压、电解液离子电导率、热力学因子和阳离子迁移数。基于LiFePO_4圆柱形电池建立了伪二维电化学-热耦合模型,研究电池在恒流放电过程中的产热速率,以及正极、隔膜和负极各部分的产热速率和所占比例。结果表明,总产热功率随反应热的波动而变化,其中正极电极层中反应热占比最大,负极电极层中极化产热所占比例高于正极,而隔膜中的产热主要来源自欧姆热。不同对流传热系数条件下,电池的表面温度和内部温度差都不同,因此要合理的采取电池热管理措施。     

基于数字孪生的智能水电厂建设初步研究

数字孪生技术可促进工业化与信息化深度融合,进一步提高智能水电厂的管理效率和管理水平。本文对基于数字孪生的智能水电厂的整体架构、数据底座、孪生平台及孪生应用四方面进行了初步研究,通过探索基于数字孪生技术的应用模式和功能,为数字孪生技术在智能水电厂建设中落地应用提供方法参考。     

基于数字孪生技术的风电机组建模研究

针对以往风电机组数字孪生建模受不同研究目的或单一软件的功能限制,难以建立风电机组整机模型的问题,提出一种新的风电机组孪生建模方法。该方法首先依托FAST风速性能模块,建立稳态风模型、随机湍流风模型以及风电场实时风速模型;接着采用空气动力学模块和结构动力学模块分别搭建风电机组叶片、塔架等关键部件的几何与动力学模型;最后在Simulink中搭建风电机组电气系统模型及控制策略,由此构建完整的风电机组孪生模型。将该孪生建模方法分别用于WindPACT 1.5 MW双馈风电机组与某风电场Fuhrl?nder 2.5 MW双馈风电机组并进行验证。结果表明：孪生模型在不同风速模型下,各重要生产参数相比设计标准及实际运行数据均具有较高的准确性。此外,通过对风电机组数字孪生系统实时仿真和现场不可测数据的孪生模拟,也进一步表明孪生模型具有可行性和有效性。     

三元锂电池放电模型参数辨识与温升控制器设计

为准确模拟三元锂电池放电特性,控制电池放电工作温度稳定在理想温度区间,基于单体三元锂电池放电试验数据及MATLAB仿真,拟合辨识放电模型的极化电阻和指数区常数2个关键参数,搭建锂电池热电耦合模型,设计温升控制器,并进行仿真验证和稳定性判断。结果表明：不同放电倍率下,电池放电模型应采用不同的极化电阻和指数区常数,具有更好的准确性和可行性;放电倍率增大,极化电阻减小,指数区常数增大;MATLAB/Simulink仿真验证表明,仿真模型恒流放电时,温升控制器可将电池表面温度稳定、有效地控制在理想温度区间。     

基于数字孪生的多能源送端系统能量耦合协同优化控制

针对多能源送端系统中电、热、气传输时间尺度不同所导致的能量流一体化传输控制难度增加的问题,文章通过研究多能源送端系统各能量流传输特性,根据不同能量流传输时间尺度的差异,提出了一种基于数字孪生的多能源送端电网多时间尺度协同优化控制方法。首先,根据送端系统中各能量流不同传输时间尺度,建立不同能量流传输动态模型;其次,结合数字孪生模型架构,建立多能源送端系统数字孪生控制架构模型;再次,分析多能源系统能量流信息耦合特性,建立了基于数字孪生的多能源控制模型;最后,以我国东北某多能源送端系统进行仿真,结果表明,所提控制方法能够实现多能源系统中信息的快速感知、传输、控制,进而提高送端系统输出功率的稳定性。     

模型与数据双驱动的锂电池状态精准估计北大核心CSCD

针对电池荷电状态估计常用的模型驱动法与数据驱动法的缺点,本工作提出了一种模型与数据双驱动的锂电池状态精准估计算法。在建立经典二阶电池模型后,先使用扩展卡尔曼滤波器与无迹卡尔曼滤波器组成的双卡尔曼滤波器进行初步的锂电池系统状态估测,再将初步的估算结果输入LSTM神经网络实现误差纠正,得到最终估测结果。本工作利用来自NASA PCoE的电池数据集对单驱动算法和双驱动算法分别进行了性能测试,结果表明双驱动法在降低了估算系统对数据依赖性的同时提高了估算精度以及算法鲁棒性,结合了两种单驱动法的优点并弥补了各自的缺点,得到了较为优异的结果。     

基于数字孪生技术的供电可靠性全息评价

对国内外城市配电网供电可靠性预测评估现状开展调研,提出了基于数字孪生技术的配电网供电可靠性实时计算与精准预测方法,首创可靠性全息健康图薄弱环节辨识技术,开发了电网实际运行与可靠性计算的接口模型和转换算法,根据实际网架拓扑、开关状态、设备参数、用户负荷的实际运行及预测状态,全面分析配电网转供水平和复电能力,发现配电网可靠性薄弱环节,明确影响供电可靠性的主要因素。实地评估开关站单母改造工程可靠性提升效果,同时开展了浦东张江区域供电可靠性全息评价。实现供电可靠性的全景感知、全息评价、动态预测和精准提升。     

基于数字孪生的循环冷却水系统节能研究

从智慧精益管控角度出发,提出基于数字孪生的循环冷却水系统节能方案。节能系统包括物理层、网络层、信息层及控制层,循环冷却水系统的物理量信息经处理后被送至数字孪生模型,通过数字孪生模型的运行模拟优化,得到最优控制参数并传递给控制层,控制层根据最优控制参数进行逻辑判断,并向物理层的执行机构发出执行指令,完成循环冷却水系统的优化调节。节能系统方案能够解决循环冷却水系统节能不彻底、多用户调节不及时、调节时系统易不稳定、无法实现持续节能经济运行的难题,可实现系统年节电30%以上。     

基于电化学-热耦合模型的锂离子电池组件产热分析北大核心CSCD

研究电池电化学过程产热对锂离子电池的热管理至关重要。本工作建立了三元NMC锂离子电池的电化学-热耦合模型,首先通过对该电池进行不同倍率的放电与温度实验测试,验证了该模型在电压和温度变化预测准确性。然后针对不同温度下的表现进行模拟仿真研究。在室温下,无论倍率大小,负极产热总是小于正极产热,虽然负极的极化热高于正极,但其可逆吸热较大,导致产热水平低于正极。而随着放电倍率的增加,正极产热所占比例减小,负极所占比例先增加后减小,而集流体产热所占比例持续增加。然而,低温条件下的电池放电表现出与室温情况不同的产热特性,首先,低温导致低倍率负极产热率比例大大增加,负极可逆热为总可逆热的主要贡献热。而高倍率负极产热率减少,正极则呈相反趋势。其次在低温下放电时间随倍率增加呈现不同趋势,高倍率下放电电压快速降低导致放电不完全,在低倍率0.5~1 C放电运行时出现了电压反弹现象但基本放电完全,这是由于低温限制了负极颗粒内部锂离子及时向外扩散,造成电阻增加与电压快速降低,同时大量产热导致自身温升,从而在低倍率下获得电压反弹并保持持续放电的能力。     

基于数字孪生及神经网络的电压扰动定位方法

提出一种基于数字孪生及神经网络的电压扰动定位方法。首先根据配电网中大量的监测点信息以及网架结构参数构建配电网数字镜像模型,然后采用人工神经网络对数字镜像模型的历史数据进行学习训练,得到反映节点电压与暂降发生位置之间映射关系的神经网络模型。该模型可以根据暂降后各节点的电压数据得到反映各节点故障特征的信息,进而实现对暂降源的定位。以河南某县30节点的配电网为例,对所提方法的有效性进行验证,结果表明该方法能够实现对电压暂降源的准确定位。     

基于改进广义牛顿法的燃气轮机性能数字孪生体构建方法

为了提高燃气轮机性能数字孪生体求解过程的鲁棒性,提出了 一种基于改进广义牛顿法的燃气轮机性能数字孪生体构建方法.首先,选择广义牛顿法作为性能数字孪生体的求解方法;其次,在广义牛顿迭代法的基础上,调整隐式非线性方程对应曲线切线的斜率,改进广义牛顿法的初值设置方法;最后,构建性能数字孪生体,将改进广义牛顿法嵌入性能数字孪生...     

分布式能源资源的通用数字孪生体构建与模拟方法

分布式能源资源的复杂、异构、海量、随机等特点为运行模拟带来了巨大挑战。文章基于数字孪生思想,系统地提出了DER的通用数字孪生体构建与模拟方法。首先基于功率分解思想提出了DER通用稳态模型和暂态模型;然后提出了基于通用模型的DER数字孪生体运行模拟方法。通过算例测试表明,所提方法的有效性,能够实现各类DER运行模拟和预测,为实际电网调度提供参考,有利于促进可再生能源消纳和系统优化运行等。     

基于数字孪生技术的光伏发电功率预测方法研究

随着新能源技术的不断发展,光伏发电因具有绿色清洁、持续长久等优点得到了广泛应用,但同时其输出功率存在间歇性、随机性和突变性等特点,会对电网的稳定性带来负面影响,准确的功率预测对电网的稳定运行至关重要。近几年大数据及人工智能发展迅速,将数字孪生技术与功率预测相结合,可以得到高精度的预测结果。本文提出一种基于数字孪生的功率预测机制,建立数字孪生体实现光伏发电功率预测。该预测方法的推广应用为电网的稳定运行提供了可靠保证,有效提高了功率预测精度,具有很好的应用前景和现实的应用价值。     

基于数字孪生技术的燃气运维管理

燃气安全一直是燃气运维中的重点,随着城市燃气的不断发展,管网里程不断增加,燃气的运维难度也愈发加大。本文重点阐述了数字孪生技术在智慧巡检中的应用,通过数字孪生技术,提高巡检质量及效率,保障用户用气的安全。     

超级电容器分数阶模型的分频段参数辨识方法北大核心CSCD

超级电容器的电阻与电容参数不是常数,受频率等因素影响。研究发现采用分数阶等效电路模型能够更加准确地描述超级电容器的非线性特性。针对超级电容器的分数阶模型参数难以获取的问题,提出一种分频段参数辨识方法。该方法根据不同频段下超级电容器的阻抗特性,提出了相应频段的等效阻抗表达式,进而根据典型频率的阻抗数据求解各频段阻抗表达式中的未知参数,实现超级电容器分数阶模型参数的全频段辨识,从而大大降低了分数阶模型参数辨识的难度。最后,对超级电容器进行动态应力(DST)测试和不同频率的恒流充放电实验,将辨识得到的超级电容器分数阶模型仿真输出电压与超级电容器的实测电压进行对比。结果显示在DST测试下,模型端电压的平均相对误差为1.52%,最大相对误差限制在4%以内;在恒流充放电实验中,最大相对误差限制在6%以内,验证了所提分频段参数辨识方法的有效性和准确性。     

基于数字孪生的水闸工程安全运行管理系统设计与实现

基于数字孪生技术建立水闸安全运行智能管理系统,面向安全监测、安全评估、安全分析预警等应用场景,以工程精准管理、高效运维为目标,建设融合工程属性、安全监测、运维管理、水文气象等多源数据的数据底板,并耦合安全评估体系、安全分析模型等智能算法,评估分析了工程安全整体现状,模拟了变形、渗流等安全指标在不同业务场景下的变化过程,实现了监测报警、预测分析、预警管理、场景预演、预案响应等功能。典型水闸应用结果表明,该系统能降低运维成本、提升管理能力,为管理机构决策提供科学依据和技术支持。     

基于自适应协同引导的电池组性能衰退参数辨识北大核心CSCD

老化导致的电池组性能衰退与电池组电荷吞吐能力密切相关,对电池组性能衰退参数的快速精确辨识对提高电池组的服役寿命预测有效性至关重要。然而,既有的电池组性能衰退参数辨识方法仍然存在对大种群规模和高迭代次数的显著依赖,不利于提高电池组性能衰退模型的在线辨识更新适用性。针对此,本文提出了一种基于自适应协同引导的电池组性能衰退参数辨识方法。该方法首先基于自适应协同策略,综合考虑种群差异度和种群适应度的折中,实现种群个体对参数搜索空间的初期全局分布;在此基础上,基于精英引导策略,使种群中的个体在全局精英个体周围局部搜索,实现后期快速收敛至全局最优解。基于实测数据验证的统计结果表明,本文提出方法针对半经验容量衰退模型和内阻增量模型,在小种群规模下的参数辨识效率和精度均得到显著提升,分别在0.6 s和1.1 s内达到0.237%和0.37%的适应度终值,相对于蚁狮算法在辨识效率提高81.35%的同时适应度均值降低了3.8%,相对于灰狼算法在辨识效率提高17.14%的同时最终适应度均值降低了22.11%。