基于频繁项统计的流-安时积分SOC估计方法

针对传统安时积分法由于无法在线更新库仑效率而导致的难以准确估测电池剩余容量的问题,提出一种基于频繁项统计进行电流分段积分,利用不同库仑效率对分段积分后电量进行修正的流-安时积分法。该方法利用连续充放电循环对库仑效率进行在线修正,基于柯西频繁项统计算法对电流进行分段累积,利用修正后的库仑效率对分段累计电量进行校正,最后实现了电池剩余容量的准确估计。仿真和实验分析表明:基于频繁项统计的安时积分法有效减小了传统安时积分法产生的电量累积误差,提高了剩余容量及SOC的估计精度。

基于流挖掘与切换电量的主动均衡算法研究

以端电压或荷电状态(SOC)为均衡标准的主动均衡算法,在均衡过程中由于难以准确反映单体之间绝对电量的差异,容易导致能量反复流动、降低均衡效率。针对该问题,提出了一种以单体切换电量作为均衡标准的主动均衡控制算法,该算法以单开关电容为核心构造主动均衡算法的硬件拓扑,利用流挖掘技术获取单体间切换电量的概要信息,通过均衡算法智能控制单体间均衡的顺序,进行不同脉冲信号周期、占空比、电容容量、均衡策略的仿真对比实验。结果表明,所提出的均衡算法能准确定位均衡单体、避免能量反复流动,有效地提高了主动均衡算法的运行效率。

基于频繁项统计的锂动力电池SOH估计

快速而精确的估计电池健康状态(SOH)是保证动力电池系统安全的基础。纯电动汽车在运行过程中,传统的估计方法难以利用车载有限的计算资源,在线构建精确的SOH估计模型。针对该问题,提出一种利用短时监测数据在线构建电池健康指标(HI)的特征提取方法。该方法将不同电压区间内积累的电量看作频繁项,利用Lossy Counting算法构建概要数据结构对频繁项分布进行统计,基于频繁项分布规律的变化对电池健康状态进行表征。仿真和实验结果表明,该方法能利用车载计算资源,以较小的时间和空间复杂度提取电池健康状态指标。

基于适应度继承的航空发电机比例-积分-微分参数优化算法

三级无刷交流发电机系统运行过程复杂,很难用明确的数学公式进行表达,其比例-积分-微分(proportion-integration-differentiation,PID)参数的优化过程需要用模型的运行结果(而不是简单数学公式计算)来确定,这就导致传统的优化算法因仿真过程时间过长而不可行。针对该问题,提出了一种基于适应度继承的遗传算法。该算法首先将PID参数定义为种群内的个体,将上升时间及调节时间组合定义为优化目标,接着在寻优过程中将种群聚类为P个子类,对子类中精英个体利用航空发电机仿真模型运行结果进行适应度计算,对非精英个体利用日志分析器进行适应度估计,最后利用适应度值对种群内个体进行下一轮循环的选择、交叉、变异等操作,从而实现了估计值与精确值的结合、提高了利用仿真工具进行PID参数优化的效率。仿真分析表明,在保证寻优质量的前提下,提出的基于适应度继承的遗传算法能显著缩短寻优时间,为航空发电机系统仿真设计提供了有效的研究手段和参考依据。