利用传统的安时积分法估计全钒液流电池（vanadium redox flow battery,VRB）的荷电状态（state of charge,SOC）,常常会因为累积误差造成估计误差增大的问题。该文针对这一问题,以一阶RC等效电路模型为基础,采用无迹卡尔曼滤波（unscen...利用传统的安时积分法估计全钒液流电池（vanadium redox flow battery,VRB）的荷电状态（state of charge,SOC）,常常会因为累积误差造成估计误差增大的问题。该文针对这一问题,以一阶RC等效电路模型为基础,采用无迹卡尔曼滤波（unscented Kalman filter,UKF）算法对安时积分法估计结果进行修正,提高SOC估计精度。此外,UKF算法同时可以在收敛后准确地实时估计电池模型中的内阻,而电池的内阻可以表征其健康状态（state of health,SOH）,因此UKF算法可根据内阻的估计结果评价电池的SOH。在工况下对电池进行测试性充放电实验,实验结果表明,UKF算法可以快速完成电池SOC的精确估计,绝对误差小于2%,并能准确地估计出电池的内阻,为电池SOH的确定提供参考依据。展开更多
以大规模全钒液流电池作为风电场的储能装置,提出了基于模糊自适应卡尔曼滤波的储能系统控制策略。控制策略以电池荷电状态(state of charge,SOC)和SOC变化率调整储能系统有功功率目标值,有效地解决了低通滤波相位延迟的问题,加快了电池...以大规模全钒液流电池作为风电场的储能装置,提出了基于模糊自适应卡尔曼滤波的储能系统控制策略。控制策略以电池荷电状态(state of charge,SOC)和SOC变化率调整储能系统有功功率目标值,有效地解决了低通滤波相位延迟的问题,加快了电池的SOC恢复速度。仿真结果表明,采用上述控制策略后,风电场输出功率波动得到抑制,电池的SOC也得到有效控制,这防止了电池的过充过放,延长了储能系统的寿命。展开更多
文摘利用传统的安时积分法估计全钒液流电池（vanadium redox flow battery,VRB）的荷电状态（state of charge,SOC）,常常会因为累积误差造成估计误差增大的问题。该文针对这一问题,以一阶RC等效电路模型为基础,采用无迹卡尔曼滤波（unscented Kalman filter,UKF）算法对安时积分法估计结果进行修正,提高SOC估计精度。此外,UKF算法同时可以在收敛后准确地实时估计电池模型中的内阻,而电池的内阻可以表征其健康状态（state of health,SOH）,因此UKF算法可根据内阻的估计结果评价电池的SOH。在工况下对电池进行测试性充放电实验,实验结果表明,UKF算法可以快速完成电池SOC的精确估计,绝对误差小于2%,并能准确地估计出电池的内阻,为电池SOH的确定提供参考依据。
文摘以大规模全钒液流电池作为风电场的储能装置,提出了基于模糊自适应卡尔曼滤波的储能系统控制策略。控制策略以电池荷电状态(state of charge,SOC)和SOC变化率调整储能系统有功功率目标值,有效地解决了低通滤波相位延迟的问题,加快了电池的SOC恢复速度。仿真结果表明,采用上述控制策略后,风电场输出功率波动得到抑制,电池的SOC也得到有效控制,这防止了电池的过充过放,延长了储能系统的寿命。
