应用传统的无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电动汽车锂离子动力电池核电状态(state of charge,SOC)时,常会出现由于电池模型参数不准确而造成估计误差增大的问题,该文采用了自适应无迹卡尔曼滤波(adaptive unscent...应用传统的无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电动汽车锂离子动力电池核电状态(state of charge,SOC)时,常会出现由于电池模型参数不准确而造成估计误差增大的问题,该文采用了自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法解决该问题。AUKF算法是一种循环迭代算法,可以实时估计电池模型中的欧姆内阻,提高电池模型准确性,从而提高电池SOC估计精度。另外,电池的欧姆内阻可以表征电池的健康状态(state of health,SOH),因此还可以根据电池的欧姆内阻估计出电池的SOH。在设定工况下对电池做充放电实验,实验分析表明,与UKF相比,AUKF提高了电池SOC估计的精度,并能准确的估计出电池的欧姆内阻。展开更多
为提高锂离子电池荷电状态（state of charge,SOC）的估计精度并准确估计健康状态（state of health,SOH）,以二阶RC等效电路模型为研究对象,基于Sage-Husa自适应滤波的思想,对传统的平方根无迹卡尔曼滤波（square-root unscented Kalma...为提高锂离子电池荷电状态（state of charge,SOC）的估计精度并准确估计健康状态（state of health,SOH）,以二阶RC等效电路模型为研究对象,基于Sage-Husa自适应滤波的思想,对传统的平方根无迹卡尔曼滤波（square-root unscented Kalman filter,SRUKF）进行改进,提出一种自适应SRUKF（adaptive square-root unscented Kalman filter,ASRUKF）算法,该算法通过对状态方差阵和噪声方差阵平方根的递推估算,确保了状态和噪声方差阵的对称性和非负定性。验证结果显示,相比于SRUKF算法,ASRUKF算法能够得到精度更高的SOC估计值,并在FUDS工况下将最大SOC估计误差降低4%。针对电池欧姆内阻和容量参数随着电池的老化而变化的现象,对内阻和容量进行实时在线估计,在此基础上完成对SOH参数的预测。验证结果表明,联合估计算法对电池的欧姆电阻和容量有一个较好的估计,进一步提升了电池状态的估计精度。展开更多
为充分发挥储能参与一次调频的优势,在虚拟惯性控制及下垂控制的基础上,通过分析储能参与电网一次调频的动态特性,提出一种跟随荷电状态(state of charge,SOC)变化和最大频率偏差动态调整出力的自适应综合控制策略。该策略在负荷扰动初...为充分发挥储能参与一次调频的优势,在虚拟惯性控制及下垂控制的基础上,通过分析储能参与电网一次调频的动态特性,提出一种跟随荷电状态(state of charge,SOC)变化和最大频率偏差动态调整出力的自适应综合控制策略。该策略在负荷扰动初期采用正虚拟惯性控制模拟发电机惯性响应;在频率恢复期提出可变系数的负虚拟惯性控制,综合考虑频率恶化程度(最大频差)和SOC动态调整负虚拟惯性控制出力以加快频率恢复;在整个调频期内采用基于双曲正切函数特性的变系数下垂控制,下垂系数的大小与SOC有关,可在保证调频需求的同时兼顾电池容量的保持效果。最终形成以正/负虚拟惯性控制改善储能调频动态特性为主、下垂控制改善储能稳态特性为主,3种方法互相配合的综合控制策略,并提出电池储能参与一次调频的评价指标。最后在Matlab\Simulink中搭建了区域调频模型,分别对阶跃负荷扰动和连续负荷扰动进行仿真,验证了策略的有效性。展开更多
文摘应用传统的无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电动汽车锂离子动力电池核电状态(state of charge,SOC)时,常会出现由于电池模型参数不准确而造成估计误差增大的问题,该文采用了自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法解决该问题。AUKF算法是一种循环迭代算法,可以实时估计电池模型中的欧姆内阻,提高电池模型准确性,从而提高电池SOC估计精度。另外,电池的欧姆内阻可以表征电池的健康状态(state of health,SOH),因此还可以根据电池的欧姆内阻估计出电池的SOH。在设定工况下对电池做充放电实验,实验分析表明,与UKF相比,AUKF提高了电池SOC估计的精度,并能准确的估计出电池的欧姆内阻。
文摘为充分发挥储能参与一次调频的优势,在虚拟惯性控制及下垂控制的基础上,通过分析储能参与电网一次调频的动态特性,提出一种跟随荷电状态(state of charge,SOC)变化和最大频率偏差动态调整出力的自适应综合控制策略。该策略在负荷扰动初期采用正虚拟惯性控制模拟发电机惯性响应;在频率恢复期提出可变系数的负虚拟惯性控制,综合考虑频率恶化程度(最大频差)和SOC动态调整负虚拟惯性控制出力以加快频率恢复;在整个调频期内采用基于双曲正切函数特性的变系数下垂控制,下垂系数的大小与SOC有关,可在保证调频需求的同时兼顾电池容量的保持效果。最终形成以正/负虚拟惯性控制改善储能调频动态特性为主、下垂控制改善储能稳态特性为主,3种方法互相配合的综合控制策略,并提出电池储能参与一次调频的评价指标。最后在Matlab\Simulink中搭建了区域调频模型,分别对阶跃负荷扰动和连续负荷扰动进行仿真,验证了策略的有效性。
