基于模型的锂离子电池SOC及SOH估计方法研究进展

电池管理系统是保证锂离子电池高效、安全运行的重要手段。在电池管理系统功能中,电池状态估计,特别是荷电状态（state of charge,SOC）估计和健康状态（state of health,SOH）估计至关重要。SOC/SOH不仅与全生命周期内电池安全运行直接相关,也是其他功能有效实现的必要前提。本文围绕模型类电池状态估计方法,综述了国内外在锂离子电池模型构建、SOC及SOH估计方法方面的研究进展;指出了模型类状态估计方法存在的难点和局限,提出了今后研究重点。     

基于模型的锂离子电池SOC及SOH估计方法研究进展

电池管理系统是保证锂离子电池高效、安全运行的重要手段。在电池管理系统功能中,电池状态估计,特别是荷电状态(state of charge,SOC)估计和健康状态(state of health,SOH)估计至关重要。SOC/SOH不仅与全生命周期内电池安全运行直接相关,也是其他功能有效实现的必要前提。本文围绕模型类电池状态估计方法,综述了国内外在锂离子电池模型构建、SOC及SOH估计方法方面的研究进展;指出了模型类状态估计方法存在的难点和局限,提出了今后研究重点。     

退役锂离子电池老化机制及其健康状态表征

退役三元锂离子电池的老化机制和健康状态(SOH)快速准确表征是其梯次利用研究的热点之一。文中采用循环老化实验、增量容量分析(ICA)、主成分分析(PCA)等方法研究特斯拉21700型退役三元镍钴铝(NCA)锂离子电池的老化特性和衰减机理，并建立其健康状态评估模型。研究结果表明：活性材料损失(LAM)和活性锂损失(LLI)是电池容量衰减的主要原因。通过提取IC曲线上的特征参数作为健康因子，并采用主成分回归方法(PCR)对健康因子进行降维处理，得到基于ICA-PCR的SOH评估模型。验证结果表明：所建立的SOH评估模型精确度高，其SOH估计误差在2.5%以内，能够实现梯次利用过程中电池SOH的快速准确评估。     

含时滞测量值下间歇过程的双维状态估计

基于粒子滤波研究了间歇过程的状态估计问题。根据间歇过程双维动态特性,针对关键参数在线检测精度低、离线分析时滞大等问题,分别建立一种双维状态转移模型和时滞测量模型,并利用贝叶斯方法及前/后向平滑,提出一种含时滞测量值下的双维状态估计算法。该算法通过融合先前批次和时滞测量值的信息提高估计精度,并且克服了离线采样周期和时滞时间不确定的问题。在数字仿真和啤酒发酵过程中的仿真应用验证了该算法的有效性。     

状态估计与不良数据检测方法及其在大庆油田电网中的应用

为了解决常用的状态估计方法常易出现的发散现象,提出了基于改进粒子群算法的状态估计。同时由于系统存在不良数据,不能进行电力系统的常规计算,采用了基于检测法进行不良数据检测。把改进粒子群算法引入到状态估计求解非线性方程中,使得方程的解由不收敛和局部最优解转变为全局最优解。为了验证基于改进粒子群算法的状态估计的正确性和基于检测法进行不良数据检测的合理性,用IEEE9节点系统进行状态估计和不良数据检测的计算,并用编程语言实现了状态估计和不良数据检测的结果显示。结果表明基于改进粒子群算法的状态估计可以得到最优值,但时间较长,检测法可以检测出不良数据。然后对大庆油田电网的10个区分别进行了状态估计和不良数据检测的计算,以一区为例,选取了88个量测数据进行计算,得出了满意的结果,也证明了此方法的正确性。     

基于粒子滤波联合估计的气相聚乙烯质量指标在线估计

针对气相聚乙烯生产中各种复杂的工况造成在线估计精度下降的现象,基于乙烯聚合机理并利用特征建模方法建立了聚乙烯质量指标预测模型,结合扩展卡尔曼滤波,提出了粒子滤波联合估计方法,即将状态和修正系数组成增广状态向量,实现对质量指标预测模型的在线滤波修正,并分析了基于粒子滤波估计的收敛性。所提方法在中石化某气相聚乙烯装置的长周期运行结果证实了所提方法的可行性和有效性,为实施聚乙烯装置的先进控制奠定了基础。     

含时滞测量值下间歇过程的双维状态估计

基于粒子滤波研究了间歇过程的状态估计问题。根据间歇过程双维动态特性,针对关键参数在线检测精度低、离线分析时滞大等问题,分别建立一种双维状态转移模型和时滞测量模型,并利用贝叶斯方法及前/后向平滑,提出一种含时滞测量值下的双维状态估计算法。该算法通过融合先前批次和时滞测量值的信息提高估计精度,并且克服了离线采样周期和时滞时间不确定的问题。在数字仿真和啤酒发酵过程中的仿真应用验证了该算法的有效性。     

扩展卡尔曼滤波在锂电池SOC估算中的应用

电动汽车发展是我国新型汽车发展的大方向之一,而储能电池的发展更是电动汽车发展的重中之重。锂电池SOC在线估算是在不妨碍锂电池正常工作的前提下通过检测电池的参数来间接估算电池荷电状态的一种方法,它是电池组管理和维护的重要依据,可以有效地避免电动汽车行驶时锂电池可能出现的各种故障。主要通过建立Thevenin电池等效电路模型并使用扩展Kalman滤波迭代算法对单节锂电池电池的荷电状态进行在线估算,先采用实验仪进行恒流放电实验得到阻抗曲线,再通过分析曲线数据利用Matlab解方程组得到Thevenin电池模型参数。经过实验测试,证明在恒流充放电的条件下,该算法在线估计SOC具有较好的精度,在锂电池充电至电量已满时达到的最大误差小于5%。     

自适应高阶容积H∞滤波算法在目标跟踪中的应用

为了改善传统容积卡尔曼滤波器(CKF)的滤波性能,将高阶容积卡尔曼滤波算法与非线性H_∞鲁棒滤波算法相结合,提出一种自适应高阶容积H_∞滤波算法(AHCHF)。该算法引入数值稳定性更强的奇异值分解方法(SVD)替换传统的Cholesky分解;同时将H_∞鲁棒滤波的思想应用于高阶容积卡尔曼滤波;并基于新息与约束水平反比的关系,对约束水平γ值进行自适应选取,兼顾了滤波精度和系统的鲁棒性。仿真结果表明:相比于传统CKF算法和高阶CKF算法,AHCHF算法具有更高的滤波精度和鲁棒性。     

PVC胶槽温度模糊PID控制系统

为提高PVC胶槽温度控制的可靠性和精度,将模糊算法与PID算法结合并应用于PVC胶槽温度控制系统中,通过两种控制算法的优势互补,利用模糊控制算法求得PID参数修正系数,实现PID控制器3个参数的在线自调整。仿真结果表明:PVC胶槽温度模糊PID控制器的控制性能明显地优于常规PID控制器,温度控制精度达到±1℃,满足了PVC胶槽温度参数动态变化实时调节控制的需要,具有较好的自适应调节和鲁棒性。     

一种融合无时滞测量值和含时滞测量值的状态估计方法

在很多工业过程中,常常可获得两种测量数据,无时滞测量值和含时滞测量值,其中,无时滞测量值直接由传感器在线测得,即时却精度较低,含时滞测量值通过人工实验分析离线得到,精度高却有时滞。引入状态增广卡尔曼滤波法对上述两种数据进行融合以估计当前状态值。考虑到无时滞测量值建立的在线软测量模型存在不可避免的模型不匹配问题,引入模型偏差作为待估计状态,通过离线测量值对其进行估计,从而实现对在线软测量模型的校正。最后将所提方法运用到线性化的非线性二元蒸馏塔模型中估计填料压板各成分浓度,取得了良好效果。     

基于ISR-UKF的PET固相缩聚过程参数和状态估计

连续式PET固相缩聚移动床反应器具有显著的分布参数特性,由于建模简化或过程时变等原因使得所建模型参数不精确,导致反应器状态的估计失真。首先采用正交配置方法离散PET固相缩聚过程的偏微分方程模型,然后基于改进的平方根不敏Kalman滤波算法(ISR-UKF),设计自适应联合估计器,同时获得参数和状态估计值。实验结果表明,参数估计结果合理,状态估计精度较高且稳定性好;并获得了频率因子、活化能近似值和有效系数随反应温度动态变化的规律,表明所提出的联合估计器能获得较好的实际应用效果。     

基于变结构扩张状态观测器的状态PI控制器

传统的状态PI控制器只适用于单输入单输出（SISO）线性系统。针对这一不足,将“变结构扩张状态控制器”技术应用到状态PI控制器中,使改进后的控制器适用于非线性系统控制。同时发挥了变结构控制理论的优势,既保留了原控制器的优点又减少了可调参数。仿真结果验证了新状态PI控制器具有良好的稳定性和鲁棒性。     

观测时滞离散系统卡尔曼滤波算法

由于观测时滞系统的观测方程不符合卡尔曼滤波算法的实现形式,导致传统卡尔曼滤波算法无法直接应用于观测时滞离散系统。为此,在借鉴系统状态增广方法的基础上,设计了一种将观测方程转换为无时滞观测方程的方法。同时根据卡尔曼滤波算法原理,针对变换后的无时滞系统模型方程,给出观测时滞卡尔曼滤波算法的步骤,并将此方法应用到实际非线性观测光电跟踪系统中,进行算法的性能对比。仿真实验结果证明:将时滞观测方程转换为无时滞观测方程的方法是可行的,可大幅度提高算法精度。     

锂离子电池SOC估计和循环寿命预测方法研究

锂离子电池是目前广泛应用于电动车辆和可穿戴设备等领域的重要能量存储装置。为确保电池的安全性、性能和寿命,准确估计电池的状态-of-charge(SOC)和预测其循环寿命变得尤为重要。本文对锂离子电池SOC估计和循环寿命预测方法进行了深入研究。通过分析提出改进方案,使锂离子电池SOC估计和循环寿命预测得到优化,确保改进后可更准确、实时地完成SOC估计和循环寿命预测。     

非线性分布参数系统状态估计的最佳测量位置

研究了分布参数系统状态估计中特有的最佳测量位置问题．建立了基于后集中方法的分布参数系统的非线性状态估计器,包括状态估计偏微分方程和微分灵敏度矩阵偏微分方程,并用适当的数值计算方法实现状态估计器的求解;以一个最小化的空间域上积分函数表达最佳测量位置的目标函数,并相应地用非线性约束优化方法求解系统具有一个或多个测量时的最佳测量位置．还以壁冷式单管固定床反应器为例,讨论了各种因素对最佳测量位置的影响及其灵敏度,并得出了一些有普遍意义的结论．     

具有预测校正的固定床反应器状态估计

本文建立了基于后集中方法的固定床反应器的非线性状态估计算法，并分别用正交配置法集中偏微分方程、Gear法积分常微分方程、Hybrid法求解非线性代数方程，实现状态估计器的在线估计．针对工业实际过程中浓度测量滞后较大、采样时间间隔较长的特点，提出了浓度估计的预测校正，进一步提高了状态估计器对模型误差的克服能力．同时，在实验和仿真两方面考察了固定床反应器状态估计器的性能，无论是收敛性还是鲁棒性，其品质都令人满意．     

具有预测校正的固定床反应器状态估计

本文建立了基于后集中方法的固定床反应器的非线性状态估计算法，并分别用正交配置法集中偏微分方程、Gear法积分常微分方程、Hybrid法求解非线性代数方程，实现状态估计器的在线估计．针对工业实际过程中浓度测量滞后较大、采样时间间隔较长的特点，提出了浓度估计的预测校正，进一步提高了状态估计器对模型误差的克服能力．同时，在实验和仿真两方面考察了固定床反应器状态估计器的性能，无论是收敛性还是鲁棒性，其品质都令人满意．     

固定二次应用场景下基于LCA的动力电池退役点定量确定方法

退役动力电池的梯次利用不仅可降低电池的使用成本，还可缓解回收退役电池的环境污染压力。为了定量确定动力电池退役点，本文提出了一种基于生命周期分析（LCA）定量分析方法。将动力电池梯次利用的生命周期划分为生产、作动力电池、重组、作储能电池和回收利用5个阶段，将电池的容量衰退与生命周期分析模型结合，在不同的二次应用场景下分析了电池的碳排放量随动力电池退役时的健康状态（SOH）变化情况，研究了退役点选择对电池寿命和环境的影响。研究表明，动力电池在SOH为85%～90%时退役可达到较小的碳排放量。在固定二次应用场景下，电池操作的放电深度（DOD）越小，则电池寿命越长，且碳排放量变化很小。研究为动力电池退役点的确定提供了定量分析方法，可为动力电池梯次利用提供指导。     

基于改进VMD算法的水轮机组空化状态仿真实验

为提高水电站水轮机组空化状态识别准确率,提出一种基于振动信号的水轮机组空化状态识别方法。通过利用差分优化算法获取变分模态分解(VMD)最佳分解层数与惩罚因子参数组合改进VMD算法,并利用改进的VMD算法提取水电站水轮机组峰值、偏度、均方根频率等时频特征,然后将提取的时频特征输入BP神经网络中进行分类识别,实现了水电站水轮机组空化状态识别。仿真结果表明,所提方法实现了不同工况下水轮机组水轮和尾水管严重空化、空化加速、空化初生、无空化4种状态的识别,平均识别准确率达到98.88%。相较于基于SVM模型的识别方法,所提方法识别准确率提高了8.76%。