依据二阶RC电池等效电路模型以及对其进行参数辨识,建立二阶RC模型阻抗与电池交流内阻的关系模型。对不同类型电池进行实验验证发现:电池交流内阻随不同SOC(State of Charge,SOC)区间变化与当前状态二阶RC模型阻抗值有一定的关系,通过...依据二阶RC电池等效电路模型以及对其进行参数辨识,建立二阶RC模型阻抗与电池交流内阻的关系模型。对不同类型电池进行实验验证发现:电池交流内阻随不同SOC(State of Charge,SOC)区间变化与当前状态二阶RC模型阻抗值有一定的关系,通过对调整因子K的调节,得到表征交流内阻与RC模型阻抗之间关系的补偿函数且其符合指数分布规律,通过数据拟合补偿函数R-square值高于93%。展开更多
精确的电池模型是动力电池荷电状态(State of Charge,SOC)估计的基础,提高模型精度可从电池内部特性出发。提出二阶阻容可变参数等效电路模型,能够反映电池内部双极化效应,同时用可变的参数描述电池内部动态变化过程。通过对锂离子电池...精确的电池模型是动力电池荷电状态(State of Charge,SOC)估计的基础,提高模型精度可从电池内部特性出发。提出二阶阻容可变参数等效电路模型,能够反映电池内部双极化效应,同时用可变的参数描述电池内部动态变化过程。通过对锂离子电池充放电实验和HPPC测试,结合MATLAB拟合工具,辨识出不同SOC下各参数的值,基于SIMULINK搭建仿真模型。对比仿真结果,所建立模型的端电压平均误差为12.36mV,相比于固定参数传统模型的31.50mV,精度提高了60.76%,更能准确描述锂离子电池内部的静动态特性。展开更多
锂离子电池具有无记忆效应、轻量化、环保等特点,因此常作为电动交通工具、电子设备的能源来源,并适用于各种规模的能源存储。在锂离子电池管理系统中,电池的荷电状态(state of charge,SOC)是最关键的指标之一,其准确估计对于实现电池...锂离子电池具有无记忆效应、轻量化、环保等特点,因此常作为电动交通工具、电子设备的能源来源,并适用于各种规模的能源存储。在锂离子电池管理系统中,电池的荷电状态(state of charge,SOC)是最关键的指标之一,其准确估计对于实现电池系统的高效能量管理和优化控制至关重要。因此本文提出了一种基于动态噪声自适应无迹卡尔曼滤波的SOC估计方法。首先,通过间歇放电实验获取电池不同SOC下的开路电压,并进一步拟合得到电池的OCV-SOC曲线,接着采用二阶RC等效电路模型对锂离子电池建模,然后通过混合功率脉冲特性工况测试对电池模型参数进行辨识。由于实际应用中锂离子电池为非线性系统且SOC估计精度容易受到噪声的影响,本文在卡尔曼滤波算法的基础上采用无迹变换处理,加入噪声自适应过程,以实现噪声特性自适应估计,动态调整测量噪声与过程噪声,提高算法鲁棒性以及估计精度。最后选取DST与FUDS工况进行验证,结果表明在不同工况下动态噪声自适应无迹卡尔曼滤波算法的估计平均绝对误差、最大绝对误差以及均方根误差相较于自适应无迹卡尔曼滤波、无迹卡尔曼滤波算法均有降低,其平均绝对误差小于0.59%。本文提出的动态噪声自适应无迹卡尔曼滤波算法能够更准确地估计锂离子电池SOC。展开更多
锂电池荷电状态(state of charge,SOC)的准确估计对于新型储能系统的高效运行至关重要,为提升锂电池SOC估计的精度,提出了一种基于分数阶无迹卡尔曼滤波(fractional order unscented Kalman filter,FOUKF)算法和带自适应遗忘因子的递推...锂电池荷电状态(state of charge,SOC)的准确估计对于新型储能系统的高效运行至关重要,为提升锂电池SOC估计的精度,提出了一种基于分数阶无迹卡尔曼滤波(fractional order unscented Kalman filter,FOUKF)算法和带自适应遗忘因子的递推最小二乘法(recursive least square method with adaptive forgetting factor,AFFRLS)来估计锂电池的SOC。首先,提出了基于分数阶微积分理论的二阶RC模型来对锂电池特性进行建模。然后进行脉冲表征测试,获得电池的端电压,并基于AFFRLS的方法完成参数辨识。此外,所提出的基于FOUKF的算法应用于电池放电实验中进行SOC估计。最后,从最大绝对误差(MAE)、平均绝对误差(AAE)和均方根误差(RMSE)3项预测指标与对比方法进行比较。实验结果表明,FOUKF算法对SOC的估计MAE小于2%,AAE以及RMSE均小于0.8%,实验结果表明所提算法具有较高的精度和抗干扰能力。展开更多
文摘依据二阶RC电池等效电路模型以及对其进行参数辨识,建立二阶RC模型阻抗与电池交流内阻的关系模型。对不同类型电池进行实验验证发现:电池交流内阻随不同SOC(State of Charge,SOC)区间变化与当前状态二阶RC模型阻抗值有一定的关系,通过对调整因子K的调节,得到表征交流内阻与RC模型阻抗之间关系的补偿函数且其符合指数分布规律,通过数据拟合补偿函数R-square值高于93%。
文摘精确的电池模型是动力电池荷电状态(State of Charge,SOC)估计的基础,提高模型精度可从电池内部特性出发。提出二阶阻容可变参数等效电路模型,能够反映电池内部双极化效应,同时用可变的参数描述电池内部动态变化过程。通过对锂离子电池充放电实验和HPPC测试,结合MATLAB拟合工具,辨识出不同SOC下各参数的值,基于SIMULINK搭建仿真模型。对比仿真结果,所建立模型的端电压平均误差为12.36mV,相比于固定参数传统模型的31.50mV,精度提高了60.76%,更能准确描述锂离子电池内部的静动态特性。
文摘锂离子电池具有无记忆效应、轻量化、环保等特点,因此常作为电动交通工具、电子设备的能源来源,并适用于各种规模的能源存储。在锂离子电池管理系统中,电池的荷电状态(state of charge,SOC)是最关键的指标之一,其准确估计对于实现电池系统的高效能量管理和优化控制至关重要。因此本文提出了一种基于动态噪声自适应无迹卡尔曼滤波的SOC估计方法。首先,通过间歇放电实验获取电池不同SOC下的开路电压,并进一步拟合得到电池的OCV-SOC曲线,接着采用二阶RC等效电路模型对锂离子电池建模,然后通过混合功率脉冲特性工况测试对电池模型参数进行辨识。由于实际应用中锂离子电池为非线性系统且SOC估计精度容易受到噪声的影响,本文在卡尔曼滤波算法的基础上采用无迹变换处理,加入噪声自适应过程,以实现噪声特性自适应估计,动态调整测量噪声与过程噪声,提高算法鲁棒性以及估计精度。最后选取DST与FUDS工况进行验证,结果表明在不同工况下动态噪声自适应无迹卡尔曼滤波算法的估计平均绝对误差、最大绝对误差以及均方根误差相较于自适应无迹卡尔曼滤波、无迹卡尔曼滤波算法均有降低,其平均绝对误差小于0.59%。本文提出的动态噪声自适应无迹卡尔曼滤波算法能够更准确地估计锂离子电池SOC。
文摘锂电池荷电状态(state of charge,SOC)的准确估计对于新型储能系统的高效运行至关重要,为提升锂电池SOC估计的精度,提出了一种基于分数阶无迹卡尔曼滤波(fractional order unscented Kalman filter,FOUKF)算法和带自适应遗忘因子的递推最小二乘法(recursive least square method with adaptive forgetting factor,AFFRLS)来估计锂电池的SOC。首先,提出了基于分数阶微积分理论的二阶RC模型来对锂电池特性进行建模。然后进行脉冲表征测试,获得电池的端电压,并基于AFFRLS的方法完成参数辨识。此外,所提出的基于FOUKF的算法应用于电池放电实验中进行SOC估计。最后,从最大绝对误差(MAE)、平均绝对误差(AAE)和均方根误差(RMSE)3项预测指标与对比方法进行比较。实验结果表明,FOUKF算法对SOC的估计MAE小于2%,AAE以及RMSE均小于0.8%,实验结果表明所提算法具有较高的精度和抗干扰能力。
