锂电池荷电状态(state of charge,SOC)的准确估计依赖于精确的锂电池模型参数。在采用带遗忘因子的递推最小二乘法(forgetting factor recursive least square,FFRLS)对锂电池等效电路模型进行参数辨识时,迭代初始值选取不当会造成辨识...锂电池荷电状态(state of charge,SOC)的准确估计依赖于精确的锂电池模型参数。在采用带遗忘因子的递推最小二乘法(forgetting factor recursive least square,FFRLS)对锂电池等效电路模型进行参数辨识时,迭代初始值选取不当会造成辨识精度低、收敛速度慢的问题。为此,将电路分析法与FFRLS相结合,提出基于改进初值带遗忘因子的递推最小二乘法(improved initial value-FFRLS,IIV-FFRLS)。首先,通过离线辨识得到各荷电状态点对应的等效电路模型参数并进行多项式拟合;然后,利用初始开路电压(open circuit voltage,OCV)和OCV-SOC曲线获得初始SOC,代入参数拟合函数得到初始参数;最后,将初始参数带入递推公式得到IIV-FFRLS迭代初始值。对4种锂电池工况进行参数辨识,结果表明:与传统方法相比,IIV-FFRLS的平均相对误差、收敛时间分别减小58%、23%以上;IIV-FFRLS具有更高的辨识精度与更快的收敛速度。展开更多
普及推广风电虚拟惯性控制技术,是保障含高比例风电电力系统频率稳定运行的重要需求,但当前缺乏精确估计风电场等效虚拟惯量的理论方法,不能定量评估风电场对电网的惯量贡献。鉴于此,针对风电场等效虚拟惯量的快速时变特征,提出应用受...普及推广风电虚拟惯性控制技术,是保障含高比例风电电力系统频率稳定运行的重要需求,但当前缺乏精确估计风电场等效虚拟惯量的理论方法,不能定量评估风电场对电网的惯量贡献。鉴于此,针对风电场等效虚拟惯量的快速时变特征,提出应用受控自回归辨识模型和基于时变遗忘因子的递推最小二乘辨识求解算法,估计出风电场等效虚拟惯量。所提辨识模型和算法具有快速跟踪能力和良好收敛性,能精确估计风电场快速时变的等效虚拟惯量。在辨识求解中,只需量测风电场公共耦合点(point of common coupling,PCC)的有功功率和频率扰动信息,数据易于获取、实用性强,可良好推广应用。最后通过算例系统验证了辨识模型与方法的有效性和精确性。展开更多
文摘普及推广风电虚拟惯性控制技术,是保障含高比例风电电力系统频率稳定运行的重要需求,但当前缺乏精确估计风电场等效虚拟惯量的理论方法,不能定量评估风电场对电网的惯量贡献。鉴于此,针对风电场等效虚拟惯量的快速时变特征,提出应用受控自回归辨识模型和基于时变遗忘因子的递推最小二乘辨识求解算法,估计出风电场等效虚拟惯量。所提辨识模型和算法具有快速跟踪能力和良好收敛性,能精确估计风电场快速时变的等效虚拟惯量。在辨识求解中,只需量测风电场公共耦合点(point of common coupling,PCC)的有功功率和频率扰动信息,数据易于获取、实用性强,可良好推广应用。最后通过算例系统验证了辨识模型与方法的有效性和精确性。
