基于自适应电池模型的SOC加权在线估计

针对传统锂电池模型在SOC估计上自适应能力差,以及单一SOC估计算法局部估计精度低的问题,提出了一种利用多新息随机梯度算法进行模型参数在线辨识及SOC(荷电状态)加权在线估计方法。锂离子电池模型参数在线辨识结果实时更新,实现锂离子电池模型自适应。针对SOC的估计,提出了基于PI(比例积分)调节器的开路电压法并结合安时积分法的加权在线估计方法,权值依据当前SOC–E_0分段线性曲线斜率动态更新,解决了开路电压法平台区估计误差大、安时积分法难以确定初值和误差累积以及两种方法难以在线估计的问题。从理论分析上论证了方法的可行性,并从MATLAB仿真结果上验证了所提方法具有较高的估计精度。

基于互信息选择特征向量的锂离池SOH估计

针对锂电池样本呈现出的数据量少、非线性特征,提出了一种基于互信息选择支持向量机回归(SVR)模型的输入特征向量来估计SOH的方法。考虑到影响支持向量机计算结果的因素包含输入样本的代表性和模型参数设置的好坏,在输入样本的选择上使用了互信息的方法,最终选择了恒流恒压充电过程中的电压均值和最高最低温差作为输入特征向量;选择网格搜索算法优化模型参数。实验结果表明,基于互信息选择SVR输入特征向量的锂离池SOH估计结果与基于B P神经网络模型的估计结果相比,所提方法获得了较高的SOH估计精度和泛化能力。

220kV变电站主变跳闸分析与处理

本文以一起220kV变电站主变压器(简称主变)跳闸事故为例,通过现场一次、二次设备的检查与高压套管的解体分析,最终确定了主变三侧断路器跳闸的原因为高压穿墙套管渗水引发主变母差保护动作。从设备管理、日常运维等方面制定有效的防范措施,消除变电站安全隐患,为变电运维人员防范与处理穿墙套管类似缺陷提供了有价值的参考。