基于多新息最小二乘算法的锂电池参数辨识

为了保证电池管理系统的安全可靠运行，需要准确地辨识锂离子电池模型参数。以磷酸铁锂为研究对象，建立其RC等效电路模型，并基于该模型辨识锂离子电池模型参数。锂离子电池模型参数受外部因素影响较大并且参数辨识结果受在线信息采集的限制，采用多新息最小二乘辨识算法进行锂离子电池模型参数在线辨识。通过3种不同的充放电实验采集数据，并根据实验数据在不同初值下进行参数辨识，通过比较由辨识结果估计出的端口电压值与实际值的误差来描述辨识结果的准确度。实验结果表明，多新息最小二乘辨识算法具有快速收敛性与高精确性。     

锂电池等效模型建立与参数辨识方法研究

近年来锂离子电池的发展迅速,基于电池的储能系统在国内外得到广泛应用,国内也在研发基于锂离子电池的混合储能系统。为了确保储能系统在复杂工况下的高效、安全和可靠运行,建立高保真的电池模型和进行准确的参数辨识至关重要。本文对锂电池的工作原理和特性进行简述,综述了锂离子电池的模型和等效电路模型的参数辨识方法,对各种方法的原理进行介绍。综合考虑准确度和复杂度选择二阶RC等效电路模型作为其等效电路模型,采用混合脉冲功率性能测试(HPPC)和最小二乘法进行参数辨识,通过充放电实验,验证模型精度,结果表明,模型与实际虽存在一定误差,能较为准确反映电池的静动态特性。     

最小二乘算法优化及其在锂离子电池参数辨识中的应用

传统最小二乘法（LS）用于锂离子电池模型在线参数辨识精度低,通过带遗忘因子递推最小二乘算法能够有效地提高辨识精度,但固定的遗忘因子影响模型动态特性。遗忘因子的自适应处理能提高算法对动态系统的参数辨识能力,而目前的自适应方法容易忽略模型参数的稳定性,同时方法待定系数范围较大且难以确认。为了得到高精度且稳定性良好的模型参数,该文设计了一种精度和稳定性兼优且更简单的自适应遗忘因子递推最小二乘（AFFRLS）改进方法,并与其他AFFRLS、可变遗忘因子递推最小二乘（VFFRLS）进行仿真对比分析。结果表明,改进的AFFRLS能够在模型精度和参数稳定性取得更好的平衡,且对不同的在线工况具有良好的适用性。     

基于粒子群优化算法的锂电池模型参数辨识

基于戴维南电池模型,采用粒子群优化算法进行离线参数辨识.粒子群优化算法作为一种高效并且简单的算法,在平衡全局优化能力和局部优化能力方面具有显著的优势.     

铅酸电池模型及参数辨识研究

随着电动车技术的发展,铅酸电池得到了更广泛的应用。电池模型是研究动力电池充放电特性的重要工具,合理的电池模型能够仿真电池的充放电过程,通过系统辨识方法,电池模型参数还能够实时反映电池的性能状态。本文选用了二阶RC等效电路模型对在动态应力测试(DST)试验规程条件下的电池充放电行为进行仿真,采用含遗传因子的递推最小二乘算法(FFRLS)对模型参数进行辨识,并通过端电压比较法对辨识结果进行验证。结果表明:二阶RC等效电路模型参数可以提供较为精确的充放电过程仿真,模型参数辨识结果可提供包括内阻和电池开路电压等参数的估计,从而有助于反映电池的性能状态。     

基于RLS法的锂离子电池离线参数辨识

提出一种基于递推型最小二乘法(RLS)算法改进的离线参数识别方法,采用RLS法作为离线参数辨识的初值,以解决离线辨识初值选择的限制,并能保证辨识结果的精度。采用RLS算法辨识参数,获取模型参数,仿真电压和实验电压最大误差达100 m V,但耗时仅120 s。采用Simscape模型的离线参数辨识方法,最大误差58 m V,耗时1. 8 h;利用RLS算法获取初值,用离线参数辨识方法,最大误差为31 m V,平均误差15 m V,耗时0. 5 h。辨识精度与辨识速度都有明显的提升。     

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VFFRLS参数辨识的蓄电池三维电热耦合模型

随着锂离子电池在现代生产中广泛应用,为了精确分析锂电池放电过程中三维温度场分布与电压特性,基于二阶RC等效电路模型,利用可变遗忘因子递推最小二乘法(VFFRLS)对锂离子蓄电池参数进行在线辨识和实时修正,结果表明仿真电压数据与实测电压数据最大误差为0.086 2 V,最大相对误差为2.53%,具有较高辨识精度。并将参数辨识结果传递到COMSOL中进行三维电热耦合模型仿真实验,实验表明不同放电倍率下圆柱形锂离子电池内部中心温度高于外部温度,外表面及上下底面温度略低,正负极柱温度最低。     

仅已知单参数的永磁同步电机在线参数辨识

为了能在电机运行过程中得到电机的各项参数,提出遗忘因子最小二乘法在线参数辨识。在实际工况下,表贴式永磁同步电机仅需获取电机永磁磁链即可对电机的电感与电阻进行在线参数辨识。首先建立电机物理模型与矢量控制系统,而后将电机物理模型进行离散变换,将变换后的模型与遗忘因子最小二乘法相结合,从输出的待辨识矩阵中得到突变、渐变的电阻与电感,最后在Matlab/Simulink中进行仿真并搭建实验平台验证算法。仿真得到渐变情况下的辨识电阻与电感的平均误差分别约为1.152%和0.36%。突变情况下的辨识电阻与电感的平均误差分别约为1.23%和0.2334%。实验验证得到的辨识电阻误差为4.05%,辨识电感误差为1.94%。     

遗忘因子递推最小二乘法辨识锂离子电池参数

递推最小二乘法是辨识锂离子电池等效电路模型参数常见的方法,然而随着递推过程中数据的增加,新数据的生成会受到旧数据的影响,导致误差较大。为此,对锂离子电池的二阶RC等效电路模型进行建模和分析,提出一种用于等效电路模型参数在线辨识的遗忘因子递推最小二乘(FFRLS)法。在动力应力测试实验的基础上,在线辨识等效电路模型参数,利用识别的电路参数对电池电压进行在线预测。通过对比不同遗忘因子(λ)下的端电压均方根误差,发现λ=0.86～0.94为最佳范围。所提算法的精度优于递推最小二乘(RLS)法,验证了算法的可行性和有效性。     

基于可变遗忘因子广义RLS算法的频率估计

传统的递推最小二乘(RLS)算法有良好的抑制噪声的能力,但在非稳态环境下跟踪能力弱,导致误差大.RLS和Kalman滤波之间存在一一对应的关系,引入Kalman滤波的一步预测估计和新的状态转移矩阵,可以得到广义的RLS算法,该算法改进了跟踪能力.同时,考虑到加权遗忘因子对算法的收敛速度和跟踪能力也有很大影响,故在广义RLS算法中再引入可变的遗忘因子,以确保对时变参数的快速跟踪能力和小的参数估计误差.对基于可变遗忘因子的广义RLS自适应算法和按指数加权的传统RLS算法进行了仿真比较,分析了在稳态下加入谐波、输入幅值变化、输入频率变化等情况下,2种方法所得的频率估计值和均方误差,结果显示所提方法在精度和收敛速度上都更优越.     

基于锂电池SOC估算方法

电池的荷电状态(State of charge,SOC)是锂电池组电池管理系统的重要参数,而电池的SOC估算受到很多因素的综合影响,难以保证其估算精度。准确的电池模型是精确估算SOC的基础,通过对电池模型的改进、模型参数的实时更新,提高了模型参数的精确度;修正的扩展卡尔曼滤波并结合修正的安时积分法,减小了温度、充放电倍率等因素的影响,从而提高了SOC估算的精度。     

The research of superheated steam temperature control based on generalized predictive control algorithm and adaptive forgetting factor

The superheated steam temperature system of the thermal power plant has the characteristics of large inertia, nonlinearity, and strong time variation, which make it difficult to be controlled. To address these problems, this paper proposes a generalized predictive control algorithm with an adaptive forgetting factor. First, based on a fuzzy algorithm and a recursive least squares algorithm, the controlled object's model can be quickly and accurately obtained with the adaptive forgetting factor in real time. It overcomes the nonlinear and time-varying problems of the controlled object in the control progress. Meanwhile, it also solves the problem of data saturation and the weight assignment of the “new and old” data during online identification. Second, an adaptive generalized predictive controller algorithm has been developed with the controlled object. It solves the large inertia problem of the controlled object. Finally, through establishing simulation model of the superheated steam temperature system and simulating, the results show that the proposed method has better control performance, antidisturbance ability, adaptability, and robustness. Moreover, it has a certain reference significance for the design of a practical control system.     

阀控式铅酸蓄电池的等效电路模型和参数辨识

电池模型是研究电池性能的重要工具,根据阀控式铅酸蓄电池的特性,建立一种能反应其内部特性的二阶RC电路等效模型。然后根据模型,推导出能够反映出电池性能的开路电压和内阻。设计伪随机序列作为模型激励,对铅酸电池在特定条件下的充放电实验进行模拟,利用基于遗忘因子的最小递推二乘法进行模型参数辨识。通过端电压比较法对辨识结果进行验证,结果表明:采用M序列作为激励的参数辨识方法,能够准确有效地辨识阀控式铅酸电池等效电路模型的参数,并可以对其参数的获取提供理论基础与支持。二阶等效电路模型及基于递推最小二乘算法的模型参数的辨识结果可以精确地进行充放电过程仿真。     

最小二乘算法的研究与改进

最小二乘法具有良好的滤波和数据窗可变的特性 ,但运算量很大 ,以至于无法满足微机保护实时性的要求。文中针对最小二乘算法的这一缺陷 ,通过深入的分析和研究提出了最小二乘改进算法 ,改进后的算法不仅具有良好的滤波特性和数据窗可变的特点 ,而且运算量大大减少 ,从而使高精度的最小二乘算法能够很好地应用于微机保护中。理论分析和计算机仿真表明 :改进算法能准确估计出待求量     

最小二乘算法的测量误差分析

在微机保护中可以利用最小二乘算法来计算故障电流的基波和谐波分量。对此算法中系数矩阵对测量误差的影响进行了分析,并与全波傅氏算法的系数对测量误差的影响进行对比,对实现短数据窗的最小二乘算法的难点进行了探讨,得出了结论。     

基于改进泰勒加权最小二乘法的相量测量算法

大部分相量测量算法将信号相量作为一个静态模型,因此对电网中经常发生的电压幅值和相角波动特别敏感。基于标准频率下动态相量模型的泰勒加权最小二乘法(Taylor Weighted Least Squares, TWLS)不仅提供了相量值,还提供了相量导数值,可以提高对电网动态状况的监测。在此基础上,提出了一种基于基波频率值的改进泰勒加权最小二乘法。首先用非线性最小二乘法得到基波频率值。然后介绍了基于测量基波频率值的改进泰勒加权最小二乘法推导过程,并对该算法所涉及的窗函数、数据窗长度和泰勒多项式阶数进行分析选择。最后采用不同的信号模型和实际数据来检验算法的性能。仿真结果表明:提出的改进泰勒加权最小二乘法的测量精度满足要求。