基于高阶非线性模型的铅酸蓄电池SOC估计

铅酸蓄电池在电动汽车和蓄电池储能系统等领域有着广泛的应用,提高铅酸蓄电池荷电状态(SOC)估算的精度具有重要的意义。本文针对目前SOC估算方法中电池等效模型复杂、相关参数难以确定等问题,提出了一种新型高阶非线性拟合开路电压的SOC估计方法,通过拟合恒流充放电工况下的开路电压(OCV)–SOC曲线,建立适用于变电流充放电工况下的铅酸蓄电池模型,并结合扩展卡尔曼滤波算法(EKF)对电池的SOC进行估算。仿真和实验结果表明该方法能够实现铅酸蓄电池的高精度SOC估算。     

基于MIV-GA-BP神经网络的铅酸蓄电池SOC预测

建立了铅酸蓄电池充电过程中SOC的神经网络预测模型,采用平均影响值(M1V)算法对预测模型的输入变量进行了分析和筛选.在MIV算法的基础上,比较了基于遗传算法优化的BP神经网络(MIV-GA-BP)与传统MIV-BP神经网络对蓄电池充电过程中SOC的预测误差.测试样本的验证结果表明,MIV-GA-BP神经网络模型对蓄电池充电过程的SOC预测精度更优.     

基于模糊控制的铅酸蓄电池SOC预测方法研究

研究铅酸蓄电池荷电状态(SOC)的预测方法,是合理地对铅酸蓄电池进行充电和放电的关键。采用一种智能控制方法,即模糊控制法对铅酸蓄电池的SOC进行预测及Matlab仿真。根据同一情况下的实验数据对模糊预测模型的参数进行了调整。验证了模糊预测模型的合理性和精确性。     

基于粒子群的模糊神经网络铅酸蓄电池SOC估计

研究估计变电站阀控式铅酸蓄电池荷电状态(SOC)的方法。采用模糊神经网络对蓄电池的荷电状态预测建立模型,然后利用粒子群算法对网络中的连接权值、隶属度函数进行优化,用蓄电池在不同倍率下的充放电实验数据训练网络,根据训练好的网络模型对蓄电池SOC进行了预测,最后将预测结果与传统模糊神经网络预测结果进行对比。结果表明:该方案达到了对蓄电池荷电状态准确预测的目的,且预测误差小,具有良好的实用性。     

基于改进型LMBP神经网络方法对蓄电池荷电状态的预测

针对变电站中因过度充放电而导致阀控式铅酸蓄电池寿命短且利用率低的问题,通过改进型LMBP神经网络模型对铅酸蓄电池的荷电状态(SOC)进行预测,能够加快计算速度与精度,有效提升蓄电池的寿命与使用率。在Matlab环境下对铅酸蓄电池放电过程进行仿真研究的结果验证了,改进型LMBP型神经网络算法能有效提高SOC的估算精度,延长电池寿命。     

电动汽车动力电池SOC预测技术研究

电动汽车的电池管理系统需要一个精确和可靠的电池荷电状态 (SOC)预测器。由于铅酸蓄电池真实的SOC受许多因素如电池温度、充放电次数、电池老化等因素的影响 ,传统的SOC预测技术很难达到理想的效果。描述了一种闭环模糊推理方法在铅酸蓄电池SOC预测技术方面的应用。其中 ,闭环反馈环节采用了一个经验公式来调节铅酸蓄电池SOC的预测值。重新定义了一种容易从放电曲线中获得的电池内阻 ,利用这个电池内阻值可以很容易地把不同工况下的电池端电压等效到一个固定工况下的端电压 ,从而可以简化模糊规则的设计。经仿真证明这种方法能够获得蓄电池精确和可靠的SOC预测值     

基于容量修正的阀控式铅酸蓄电池SOC估计

阀控式铅酸蓄电池(valve regulated lead acid battery,VRLA)广泛应用于储能系统中,准确估算其实时荷电状态(state of charge,SOC),对确保铅酸蓄电池安全供电具有重要意义。铅酸蓄电池的工作环境温度对其容量的影响不可忽视,然而,现有的SOC估算方法常将电池总容量视作固定值,这就导致了估算误差会随着环境温度的变化而积累,严重影响了SOC的估算精度。提出了一种基于容量修正的SOC估计方法,通过研究电池容量随温度的变化规律,引入了温度补偿对电池总容量进行修正。在此基础上,结合扩展卡尔曼滤波(EKF)算法进行不同温度下的SOC实时估计,并对容量修正后的SOC估计值与一般算法SOC估计值进行比较。仿真和实验结果表明,所提出的SOC估算方法能够提高不同环境温度下的铅酸蓄电池SOC估计精度。     

模糊C均值聚类在蓄电池SOC预测中的应用

针对铅酸蓄电池数学模型难以建立以及荷电状态精确预测问题,本文提出了一种利用模糊C-均值聚类算法对蓄电池SOC控制器参数及结构进行辨识的建模方法。通过对蓄电池电动势、内阻等实时数据进行聚类分析,能够有效地实现输入空间划分并能够有针对性地生成模糊控制规则,在此基础上构建了完整的荷电状态预测控制器。通过铅酸蓄电池放电实验验证了该预测方法的有效性。     

一种电动车铅酸蓄电池SOC预测模型及检测系统的设计

针对电动车铅酸蓄电池SOC预测精度低的问题,给出了一种基于模糊预测技术的蓄电池SOC预测模型,该模型利用电动势和内阻结合预测蓄电池SOC。建立了蓄电池电动势、内阻和SOC的隶属度函数,确定了26条模糊控制规则。仿真结果表明,预测值与实际值相对误差最大为5%左右。在此基础上,设计了以C8051F020单片机为中央处理器的铅酸蓄电池组智能检测系统,该系统具有蓄电池SOC预测,端电压、充放电电流等参数在线检测和数据传输等功能。实际车辆试验结果表明,利用这种SOC预测模型可有效的提高预测精度,系统具有参数检测误差小、数据传输可靠性高等特点,具有很好的应用价值。     

基于EKF算法的铅酸蓄电池SOC在线估计

针对快速充电设备需要快速、准确检测蓄电池荷电状态(SOC)的应用需求,在分析传统SOC估计方法不足的基础上,采用了扩展卡尔曼滤波法进行铅酸蓄电池SOC的估计。通过对铅酸蓄电池充放电过程的分析,基于改进的Thevenin模型,建立了7-HK-182型铅酸蓄电池的等效电路模型。通过Matlab仿真,对比安时积分法估计SOC数据,验证了扩展卡尔曼滤波法能够实时、准确估计蓄电池SOC的变化。     

基于改进粒子群-径向基神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群–径向基神经网络算法。用改进的粒子群算法训练径向基神经网络,实现了径向基函数神经网络的参数优化。建立了短期电力负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素进行短期负荷预测。算例结果表明,该算法优于径向基神经网络法和粒子群–径向基网络算法,克服了径向基网络和粒子群优化方法的缺点,改善了径向基神经网络的泛化能力,输出稳定,预测精度高,收敛速度快,平均百分比误差可控制在1.2%以内。     

提高铅酸蓄电池循环寿命的研究

通过对不同极板厚度、不同电解液密度的铅酸蓄电池的初期容量、国标循环寿命和不同限压值的恒流限压充电对循环寿命的研究,以及对寿命终止电池的解剖分析,得出结论:适当增加正极板厚度,降低电解液密度,选择最佳的恒流限压充电的限压值能够提高电池的循环寿命。     

Traffic-incident detection-algorithm based on nonparametric regression

This paper proposes an improved nonparametric regression (INPR) algorithm for forecasting traffic flows and its application in automatic detection of traffic incidents. The INPRA is constructed based on the searching method of nearest neighbors for a traffic-state vector and its main advantage lies in forecasting through possible trends of traffic flows, instead of just current traffic states, as commonly used in previous forecasting algorithms. Various simulation results have indicated the viability and effectiveness of the proposed new algorithm. Several performance tests have been conducted using actual traffic data sets and results demonstrate that INPRs average absolute forecast errors, average relative forecast errors, and average computing times are the smallest comparing with other forecasting algorithms.     

变电流下的电池荷电状态定义方法探讨

铅酸电池的荷电状态 (SOC)的测量和估计 ,对电动汽车的电池管理系统极为重要。分析了目前流行的SOC定义所存在的问题 ,并将各种电池容量的影响因素分为可恢复性和不可恢复性两类 ,这不仅解释了原SOC定义不适应变电流放电情况的原因 ,并以此为基础提出了在变电流放电下的SOC定义方法和计算模型     

对铅酸蓄电池恒流-恒压充电过程中电流下降时刻的认识

针对电动自行车用蓄电池的特点,使用阀控式铅酸蓄电池,采用恒流恒压充电工作制度,通过调整初始充电条件,分析蓄电池充电过程中初始充电电流、初始电解液温度、初始电解液密度与电流下降时刻的关系,认识到初始充电电流、初始电解液温度、初始电解液密度的大小对铅酸蓄电池恒流充电时间的长短有很大的影响,从而通过选择合适的初始充电条件,以提高充电接受率.     

基于免疫聚类径向基函数网络模型的短期负荷预测

提出了一种免疫聚类径向基函数神经网络（ICRBFNN）模型来预测电力系统短期负荷。在ICRBFNN的设计中，根据共生进化和免疫规划原理，提出了共生进化免疫规划聚类算法，该算法可以自动确定RBF网络隐层中心的数量和位置，并采用递推最小二乘法确定网络输出层的权值。对华东某市进行的电力系统短期负荷预测表明，与传统的径向基函数神经网络（RBFNN）预测方法相比，ICRBFNN方法具有更高的预测精度和更短的训练时间。     

基于模糊卡尔曼滤波的HEV氢镍电池SOC估计

混合动力汽车(HEV)电池管理系统工作于恶劣工况环境中,采用常规卡尔曼滤波算法估计电池荷电状态(SOC)时,量测噪声统计特性随实际工况条件剧烈变化,会导致估测不准,甚至滤波发散.采用基于模糊自适应卡尔曼滤波的氢镍动力电池SOC估算算法,通过监视理论残差与实际残差的比值,对量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高估算精度.仿真结果表明,这种算法对随机的量测噪声具有较强的抑制能力.     

脉冲倍压理论在光伏系统铅酸蓄电池充电中的应用

将脉冲倍压理论运用于太阳能光伏系统的蓄电池充电技术中,通过workbench5．0c 软件的仿真,显示了这种充电技术的运用可以在不损失太阳电能的前提下避免传统电池充电方法中存在的较严重的极化现象,并可提高蓄电池的寿命和充电效率。     

卷绕式铅酸电池内压的研究

铅酸蓄电池在充电后期不可避免地产生气体,带来电池内部气压的变化。文章通过检测电池内压的变化,研究了卷绕式铅酸蓄电池充电时产生气体的规律。结果表明,一定范围内,隔板吸酸量越少,允许气体通过的孔隙越多,气体复合效果越好;气体复合反应主要发生在充电阶段;相同的充电条件下,正极与负极的活性物质质量比越大,产生的气体越多,内压越高;充电电流降低,电池内产生的气体减少。     

基于变分模态分解的混合储能系统协调控制

针对自然条件下光伏电源出力的波动性和间歇性,以铅酸蓄电池和超级电容器组成的混合储能系统为基础,提出了一种基于变分模态分解（variational mode decomposition, VMD）的储能系统功率分层分配方法。储能系统承担的净负荷经过VMD分解后的高频波动分量分配给超级电容器承担,趋势分量分配给蓄电池承担;同时根据各储能单元的实时最大可充放功率和荷电状态对初级功率分配进行二次修正。仿真实例表明,该方法可有效平抑净负荷波动,并实现了储能系统调节特性的优化和储能单元的长期稳定运行。