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
总体最小二乘估计能够同时顾及线性模型中系数矩阵A和观测向量L的误差,平差理论相对更为严密。如果系数矩阵A的部分元素没有误差,这种总体最小二乘模型为混合总体最小二乘模型。针对混合总体最小二乘(Least squares-total least squares...总体最小二乘估计能够同时顾及线性模型中系数矩阵A和观测向量L的误差,平差理论相对更为严密。如果系数矩阵A的部分元素没有误差,这种总体最小二乘模型为混合总体最小二乘模型。针对混合总体最小二乘(Least squares-total least squares,LS-TLS)解算问题,应用测量平差中的原理和方法,推导了混合总体最小二乘的迭代逼近解算公式,通过与奇异值分解法分析比较,分析了两种解算方法具有等价性,最后通过实验数据分析得出迭代算法的有效性和合理性。展开更多
文摘总体最小二乘估计能够同时顾及线性模型中系数矩阵A和观测向量L的误差,平差理论相对更为严密。如果系数矩阵A的部分元素没有误差,这种总体最小二乘模型为混合总体最小二乘模型。针对混合总体最小二乘(Least squares-total least squares,LS-TLS)解算问题,应用测量平差中的原理和方法,推导了混合总体最小二乘的迭代逼近解算公式,通过与奇异值分解法分析比较,分析了两种解算方法具有等价性,最后通过实验数据分析得出迭代算法的有效性和合理性。
