由于可再生能源的间歇性特点,储能单元广泛应用于孤岛直流微电网中。为保护储能单元,防止过度充放,需要对储能单元的荷电状态(state of charge,SOC)实行均衡控制,然而各储能单元线路阻抗及容量存在的差异将对SOC均衡造成影响。针对这一...由于可再生能源的间歇性特点,储能单元广泛应用于孤岛直流微电网中。为保护储能单元,防止过度充放,需要对储能单元的荷电状态(state of charge,SOC)实行均衡控制,然而各储能单元线路阻抗及容量存在的差异将对SOC均衡造成影响。针对这一问题,提出了一种基于一致性算法及自适应下垂控制的储能单元SOC均衡控制策略。首先,通过定义电流比例系数,建立了各储能单元下垂系数与SOC之间的函数关系式,实现了储能单元自适应SOC均衡,并通过劳斯判据证明了系统的稳定性。其次,将所提控制策略与其他文献控制方法进行对比,并且考虑了4种不同工况对SOC均衡的影响。最后,通过Matlab/Simulink进行了仿真分析,验证了所提控制策略的有效性。展开更多
锂离子电池的荷电状态(state of charge,SOC)在电池均衡、优化能量使用等方面具有重要作用。针对基于模型的SOC估计方法中状态空间方程非线性导致计算量大的问题,提出了使用门控循环单元(gated recurrent units,GRU)软测量SOC,并以此为...锂离子电池的荷电状态(state of charge,SOC)在电池均衡、优化能量使用等方面具有重要作用。针对基于模型的SOC估计方法中状态空间方程非线性导致计算量大的问题,提出了使用门控循环单元(gated recurrent units,GRU)软测量SOC,并以此为观测量构建线性状态空间方程,进而使用卡尔曼滤波(Kalman filter,KF)估计SOC的方法。在随机驾驶循环工况下,所提出方法的SOC估计最大绝对误差为0.017,同时具有较快的估计速度。进一步研究发现,不同充放电倍率下电池模型的参数具有很大差异,导致基于模型的SOC估计方法在复杂情况下的估计精度较低,而所提出的GRU-KF方法因为不需要精确的电池模型,更能适应复杂的工况。展开更多
为解决传统的下垂控制存在均分精度不足、无法合理分配电流、下垂系数的取值无限制以及电池荷电状态(state of charge, SOC)均衡速度慢的问题,提出一种基于改进下垂系数的SOC均衡下垂控制。首先,分析了传统幂指数形式下垂控制的缺陷,提...为解决传统的下垂控制存在均分精度不足、无法合理分配电流、下垂系数的取值无限制以及电池荷电状态(state of charge, SOC)均衡速度慢的问题,提出一种基于改进下垂系数的SOC均衡下垂控制。首先,分析了传统幂指数形式下垂控制的缺陷,提出幂指数嵌套反正切函数的下垂系数形式,以此来限制下垂系数的取值进而提高控制系统的稳定性与可靠性。随后,针对SOC均衡速度较慢的问题,提出在下垂系数中引进增速因子Q来提升均衡速度,并分析了不同Q值对下垂曲线的影响。最后,搭建仿真模型对改进方法进行对比验证。仿真结果表明所提改进的SOC均衡速度在SOC差距较小时有较大提升。在SOC均衡的过程中,下垂系数的变化更平滑,母线电压在SOC差距较大时也不会发生较大振荡。展开更多
准确估计蓄电池荷电状态(state of charge,SOC)对于蓄电池的健康管理具有重要意义。现有SOC估算方法普遍存在复杂性高、自适应较弱的问题,更偏重于理论分析,难以满足实际在线监测的应用场景。为提高SOC估算过程的自适应性以及降低算法...准确估计蓄电池荷电状态(state of charge,SOC)对于蓄电池的健康管理具有重要意义。现有SOC估算方法普遍存在复杂性高、自适应较弱的问题,更偏重于理论分析,难以满足实际在线监测的应用场景。为提高SOC估算过程的自适应性以及降低算法应用的复杂性,提出了一种适用于在线监测应用场景的基于蜣螂优化算法和自适应无迹卡尔曼滤波的SOC估计算法。将二阶Thevenin等效电路作为蓄电池的模型,利用蜣螂优化算法对该模型的关键参数进行自适应辨识,根据所辨识的参数,利用自适应无迹卡尔曼滤波算法对SOC进行估算。为了验证该算法的有效性,利用锂离子电池不同动态工况的实验数据进行了测试。实验结果表明,在初始参数设置模糊或不准确的情况下,该算法依然能够自适应地获取精度更高的SOC估计结果,具有更好的鲁棒性。展开更多
文摘由于可再生能源的间歇性特点,储能单元广泛应用于孤岛直流微电网中。为保护储能单元,防止过度充放,需要对储能单元的荷电状态(state of charge,SOC)实行均衡控制,然而各储能单元线路阻抗及容量存在的差异将对SOC均衡造成影响。针对这一问题,提出了一种基于一致性算法及自适应下垂控制的储能单元SOC均衡控制策略。首先,通过定义电流比例系数,建立了各储能单元下垂系数与SOC之间的函数关系式,实现了储能单元自适应SOC均衡,并通过劳斯判据证明了系统的稳定性。其次,将所提控制策略与其他文献控制方法进行对比,并且考虑了4种不同工况对SOC均衡的影响。最后,通过Matlab/Simulink进行了仿真分析,验证了所提控制策略的有效性。
文摘为解决传统的下垂控制存在均分精度不足、无法合理分配电流、下垂系数的取值无限制以及电池荷电状态(state of charge, SOC)均衡速度慢的问题,提出一种基于改进下垂系数的SOC均衡下垂控制。首先,分析了传统幂指数形式下垂控制的缺陷,提出幂指数嵌套反正切函数的下垂系数形式,以此来限制下垂系数的取值进而提高控制系统的稳定性与可靠性。随后,针对SOC均衡速度较慢的问题,提出在下垂系数中引进增速因子Q来提升均衡速度,并分析了不同Q值对下垂曲线的影响。最后,搭建仿真模型对改进方法进行对比验证。仿真结果表明所提改进的SOC均衡速度在SOC差距较小时有较大提升。在SOC均衡的过程中,下垂系数的变化更平滑,母线电压在SOC差距较大时也不会发生较大振荡。
文摘准确估计蓄电池荷电状态(state of charge,SOC)对于蓄电池的健康管理具有重要意义。现有SOC估算方法普遍存在复杂性高、自适应较弱的问题,更偏重于理论分析,难以满足实际在线监测的应用场景。为提高SOC估算过程的自适应性以及降低算法应用的复杂性,提出了一种适用于在线监测应用场景的基于蜣螂优化算法和自适应无迹卡尔曼滤波的SOC估计算法。将二阶Thevenin等效电路作为蓄电池的模型,利用蜣螂优化算法对该模型的关键参数进行自适应辨识,根据所辨识的参数,利用自适应无迹卡尔曼滤波算法对SOC进行估算。为了验证该算法的有效性,利用锂离子电池不同动态工况的实验数据进行了测试。实验结果表明,在初始参数设置模糊或不准确的情况下,该算法依然能够自适应地获取精度更高的SOC估计结果,具有更好的鲁棒性。
