针对微电网多储能单元因荷电状态、额定容量和线路阻抗差异导致部分储能单元过充过放,影响其使用寿命进而使微网稳定性调节能力变差的问题,提出一种基于变调节因子的多储能荷电状态(state of charge,SoC)均衡策略,通过反余切函数将下垂...针对微电网多储能单元因荷电状态、额定容量和线路阻抗差异导致部分储能单元过充过放,影响其使用寿命进而使微网稳定性调节能力变差的问题,提出一种基于变调节因子的多储能荷电状态(state of charge,SoC)均衡策略,通过反余切函数将下垂系数与SoC、额定容量关联,并引入虚拟压降补偿环节,实现多组储能单元间SoC均衡。在此基础上设计变调节因子,提高SoC均衡速度。仿真结果验证了所提策略能实现多组储能单元间SoC均衡,有效提升SoC均衡速度,并消除线路阻抗对SoC均衡及电流分配精度的影响。展开更多
为同时满足直流微电网中不同容量储能单元输出电流精确分配及荷电状态均衡的要求,在传统下垂控制的基础上提出一种基于一致性算法的改进下垂控制。将下垂系数与分布式储能单元(Distributed energy storage unit,DESU)相对容量因子及荷...为同时满足直流微电网中不同容量储能单元输出电流精确分配及荷电状态均衡的要求,在传统下垂控制的基础上提出一种基于一致性算法的改进下垂控制。将下垂系数与分布式储能单元(Distributed energy storage unit,DESU)相对容量因子及荷电状态(State of charge,SOC)相关联,消除不同容量对SOC均衡的影响,在充放电过程中实现SOC均衡,且为提高SOC均衡速度,在一致性算法中加入状态预测器,以提高SOC均衡速度;同时设计电压均衡器,对母线电压进行补偿,解决母线电压偏离额定值的问题。为验证所提策略的有效性,在Matlab/Simulink中搭建仿真模型,结果表明,所提策略实现了DESU间SOC的均衡及电流合理分配的目标,与此同时提高了SOC均衡速度。展开更多
锂电池荷电状态(SOC)的准确估计是电池管理系统的关键技术,为了解析传感器误差对SOC估计精度的影响,以二阶RC等效电路模型为基础,运用遗传算法进行参数辨识,采用扩展Kalman滤波算法进行SOC估计,分析电压、电流传感器存在的漂移和白噪声...锂电池荷电状态(SOC)的准确估计是电池管理系统的关键技术,为了解析传感器误差对SOC估计精度的影响,以二阶RC等效电路模型为基础,运用遗传算法进行参数辨识,采用扩展Kalman滤波算法进行SOC估计,分析电压、电流传感器存在的漂移和白噪声对SOC估计的影响。结果表明:电压、电流传感器的漂移与SOC估计误差的均值近似呈线性关系,电压、电流传感器存在的白噪声对SOC估计误差的均值无影响;对于实验中的三元锂离子电池,若使SOC估计精度在5%以内,电压的偏差值应控制在10 m V以内、电流偏差值应在1/30 C以内。展开更多
针对锂离子电池荷电状态(state of charge,SOC)估计过程中传统卡尔曼滤波算法噪声特性难以确定、收敛速度慢及精度差等一系列问题,提出了一种改进自适应卡尔曼滤波算法。首先,建立了电池等效电路模型,并在不同温度和SOC状态下,对模型参...针对锂离子电池荷电状态(state of charge,SOC)估计过程中传统卡尔曼滤波算法噪声特性难以确定、收敛速度慢及精度差等一系列问题,提出了一种改进自适应卡尔曼滤波算法。首先,建立了电池等效电路模型,并在不同温度和SOC状态下,对模型参数进行了辨识和精度验证。然后,对传统自适应卡尔曼滤波算法系统过程噪声协方差矩阵计算方式进行了正定性优化。此外,在状态估计结果的修正过程中,引入了对模型等误差变化进行补偿的增益因子。最后,通过实验电池的仿真和测试验证了所提算法的有效性。结果表明,在不同温度和工况条件下,SOC的估计误差均在4%以内,改进自适应卡尔曼滤波算法的估计精度和收敛速度均优于改进前的算法和常用的扩展卡尔曼滤波(extendedkalmanfilter,EKF)算法,具有较强的实用性。展开更多
针对无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计锂电池荷电状态(state of charge,SOC)时精度低、稳定性差、产生的sigma点过多导致计算难度大等不足,提出一种基于自适应球形不敏变换方式的无迹卡尔曼滤波(unscented Kalman f...针对无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计锂电池荷电状态(state of charge,SOC)时精度低、稳定性差、产生的sigma点过多导致计算难度大等不足,提出一种基于自适应球形不敏变换方式的无迹卡尔曼滤波(unscented Kalman filter based on adaptive spherical insensitive transformation,ASIT-UKF)算法。该算法通过使用球形不敏变换方式选择权系数以及初始化一元向量对sigma点的产生进行选取。与UKF算法相比,ASIT-UKF算法产生的sigma点减少近50%,使得算法的计算复杂度大大降低。同时,将产生的所有sigma点进行单位球形面上的归一化处理,提高了数值的稳定性。考虑到实际运行中锂电池系统噪声干扰带来的不确定性,加入Sage-Husa自适应滤波器对不确定性噪声的干扰进行实时更新和修正,以达到提高在线锂电池SOC估计精度的目的。最后,将均方根误差和最大绝对误差计算公式引入到性能估计指标中。实验结果表明,ASIT-UKF算法在准确度、鲁棒性和收敛性方面具有优越的性能。展开更多
文摘针对微电网多储能单元因荷电状态、额定容量和线路阻抗差异导致部分储能单元过充过放,影响其使用寿命进而使微网稳定性调节能力变差的问题,提出一种基于变调节因子的多储能荷电状态(state of charge,SoC)均衡策略,通过反余切函数将下垂系数与SoC、额定容量关联,并引入虚拟压降补偿环节,实现多组储能单元间SoC均衡。在此基础上设计变调节因子,提高SoC均衡速度。仿真结果验证了所提策略能实现多组储能单元间SoC均衡,有效提升SoC均衡速度,并消除线路阻抗对SoC均衡及电流分配精度的影响。
文摘为同时满足直流微电网中不同容量储能单元输出电流精确分配及荷电状态均衡的要求,在传统下垂控制的基础上提出一种基于一致性算法的改进下垂控制。将下垂系数与分布式储能单元(Distributed energy storage unit,DESU)相对容量因子及荷电状态(State of charge,SOC)相关联,消除不同容量对SOC均衡的影响,在充放电过程中实现SOC均衡,且为提高SOC均衡速度,在一致性算法中加入状态预测器,以提高SOC均衡速度;同时设计电压均衡器,对母线电压进行补偿,解决母线电压偏离额定值的问题。为验证所提策略的有效性,在Matlab/Simulink中搭建仿真模型,结果表明,所提策略实现了DESU间SOC的均衡及电流合理分配的目标,与此同时提高了SOC均衡速度。
文摘锂电池荷电状态(SOC)的准确估计是电池管理系统的关键技术,为了解析传感器误差对SOC估计精度的影响,以二阶RC等效电路模型为基础,运用遗传算法进行参数辨识,采用扩展Kalman滤波算法进行SOC估计,分析电压、电流传感器存在的漂移和白噪声对SOC估计的影响。结果表明:电压、电流传感器的漂移与SOC估计误差的均值近似呈线性关系,电压、电流传感器存在的白噪声对SOC估计误差的均值无影响;对于实验中的三元锂离子电池,若使SOC估计精度在5%以内,电压的偏差值应控制在10 m V以内、电流偏差值应在1/30 C以内。
文摘针对锂离子电池荷电状态(state of charge,SOC)估计过程中传统卡尔曼滤波算法噪声特性难以确定、收敛速度慢及精度差等一系列问题,提出了一种改进自适应卡尔曼滤波算法。首先,建立了电池等效电路模型,并在不同温度和SOC状态下,对模型参数进行了辨识和精度验证。然后,对传统自适应卡尔曼滤波算法系统过程噪声协方差矩阵计算方式进行了正定性优化。此外,在状态估计结果的修正过程中,引入了对模型等误差变化进行补偿的增益因子。最后,通过实验电池的仿真和测试验证了所提算法的有效性。结果表明,在不同温度和工况条件下,SOC的估计误差均在4%以内,改进自适应卡尔曼滤波算法的估计精度和收敛速度均优于改进前的算法和常用的扩展卡尔曼滤波(extendedkalmanfilter,EKF)算法,具有较强的实用性。
文摘针对无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计锂电池荷电状态(state of charge,SOC)时精度低、稳定性差、产生的sigma点过多导致计算难度大等不足,提出一种基于自适应球形不敏变换方式的无迹卡尔曼滤波(unscented Kalman filter based on adaptive spherical insensitive transformation,ASIT-UKF)算法。该算法通过使用球形不敏变换方式选择权系数以及初始化一元向量对sigma点的产生进行选取。与UKF算法相比,ASIT-UKF算法产生的sigma点减少近50%,使得算法的计算复杂度大大降低。同时,将产生的所有sigma点进行单位球形面上的归一化处理,提高了数值的稳定性。考虑到实际运行中锂电池系统噪声干扰带来的不确定性,加入Sage-Husa自适应滤波器对不确定性噪声的干扰进行实时更新和修正,以达到提高在线锂电池SOC估计精度的目的。最后,将均方根误差和最大绝对误差计算公式引入到性能估计指标中。实验结果表明,ASIT-UKF算法在准确度、鲁棒性和收敛性方面具有优越的性能。
