基于多新息最小二乘算法的锂电池参数辨识

为了保证电池管理系统的安全可靠运行,需要准确地辨识锂离子电池模型参数。以磷酸铁锂为研究对象,建立其RC等效电路模型,并基于该模型辨识锂离子电池模型参数。锂离子电池模型参数受外部因素影响较大并且参数辨识结果受在线信息采集的限制,采用多新息最小二乘辨识算法进行锂离子电池模型参数在线辨识。通过3种不同的充放电实验采集数据,并根据实验数据在不同初值下进行参数辨识,通过比较由辨识结果估计出的端口电压值与实际值的误差来描述辨识结果的准确度。实验结果表明,多新息最小二乘辨识算法具有快速收敛性与高精确性。

基于多新息最小二乘算法的电力线路参数辨识

随着电力系统的建设和发展,电网结构日益复杂,由于线路长期运行、周围环境变化等原因导致原有的线路参数模型与实际线路参数存在偏差,从而影响电力系统的实时监控和优化运行。考虑到电力系统输电线路中的数据采集与监控(SCADA)系统量测充足,提出基于多新息最小二乘(MILS)算法的线路参数辨识模型,实现全网线路的准确辨识和校正。首先,利用实时数字仿真(RTDS)系统搭建IEEE 39节点电力系统仿真模型,获得潮流运行数据;然后,在Matlab中进行参数辨识,将辨识结果与RTDS中的线路参数进行对比。结果表明,基于MILS算法的参数辨识结果具有较高估计精度,可作为电力系统可疑线路判断依据。

基于多新息耦合最小二乘算法的电力系统状态空间辨识

对于广域阻尼控制器的实际工程应用,提出一种实用型电力系统状态空间模型辨识方法。该方法采用耦合最小二乘算法,充分利用辨识过程中的中间数据,避免重复对高维协方差矩阵迭代计算而导致的冗余过程。为进一步提高辨识精度,结合多新息辨识思想,推导多新息耦合最小二乘算法。利用系统中存在的类噪声信号,完成无附加激励下的电力系统辨识。4机2区以及10机39节点系统验证了所提方法具有辨识方便易行、计算量小、辨识精度较高的优点,对于电网结构的不断变化能方便地进行数据的在线更新。

基于多新息最小二乘算法的非线性系统辨识

针对最小二乘算法辨识性能较差问题,将最小二乘算法中的单新息通过利用p组数据拓展到多新息向量,提出了多新息最小二乘算法。与最小二乘相比,所提出的算法不仅利用了当前的系统信息,而且利用了过去的系统信息,进一步提高了参数辨识的精度和收敛速度。在所提出的算法中,为了减少冗余的参数辨识和算法计算量,利用关键性分离技术构造整体辨识模型。设计了辅助模型来替代系统中未知的中间变量,提高了参数估计的精度。对比仿真结果表明,所提出的算法具有比递归最小二乘算法更高的辨识精度和收敛速度。

多新息最小二乘法辨识水下机器人动力学模型

水下机器人动力学模型辨识是水下机器人运动控制、状态监测和系统设计开发的基础。把6自由度动力学模型适当简化,给出Falcon水下机器人的动力学模型,在最小二乘算法(LS)和递推最小二乘算法(RLS)的基础上,提出基于多新息最小二乘算法(MILS)的水下机器人动力学模型辨识方法,最后给出MILS辨识算法、RLS算法和LS辨识算法仿真实验结果,证明所提算法的可行性与优越性。利用多新息最小二乘算法得到的水下机器人动力学模型参数更接近于理想参数,能够更好的描述水下机器人的动态特性,对于水下机器人的操纵与自适应控制的研究有较大的实际意义。

基于正交投影与多新息RLS的PMSM参数辨识

针对永磁同步电机参数辨识过程中收敛速度慢的问题,提出基于正交投影与多新息递推最小二乘相结合的算法来估计永磁同步电机参数。选择永磁同步电机四阶非线性状态空间模型的数学方程,将此模型改写为线性回归模型的形式,省略线性化过程。在仿真过程中加入噪声到电机的运行系统中,来模拟真实的电机运行环境,然后将正交投影与多新息递推最小二乘的结合算法分阶段配合应用于永磁同步电机的线性回归模型中进行参数辨识。辨识结果显示出了该结合算法的有效性。

一类有色噪声干扰系统的辅助模型多新息辨识方法

针对一种有色噪声干扰系统,把标量新息扩展为向量新息(即多新息),将最小二乘算法、随机梯度算法分别和辅助模型方法结合,提出了基于辅助模型的多新息最小二乘算法和基于辅助模型的多新息随机梯度算法。与传统最小二乘算法和随机梯度算法相比,所提出的算法可有效提高收敛速度和辨识精度,其中基于辅助模型的多新息随机梯度算法比基于辅助模型的多新息最小二乘算法计算量少、收敛速度快。仿真例子验证了算法的有效性。

改进的Unscented Kalman滤波算法

为了提高UKF的运算效率,本文分析了UKF中各参数对滤波效果的影响,给出了一种系统状态转移矩阵为线性变换时UKF的优化算法,并证明了本算法的正确性。针对野值影响UKF精度的缺陷,本文提出了使用新息判断野值是否存在的检测方法。对于野值存在的情况首先剔除野值,然后根据已经得到的滤波状态应用最小二乘法对当前状态进行预测估计,对于野值不存在的情况直接使用UKF滤波,最后推导了使用最小二乘法拟合野值存在时估计的合理性,从而证明了这种方法可以极大地提高UKF抗野值的能力。本文最后用具体的仿真实例说明了最小二乘法与UKF相结合算法消除野值的有效性。

常态下风电场并网惯量削弱量估计方法

大规模风电场并网会导致电网惯量削弱、系统频率特性变差。为推行虚拟惯量控制技术并判定虚拟惯量支撑强度,提出一种常态下风电场并网惯量削弱量估计方法。首先以网络节点为基本对象,提取节点有功/频率随机扰动信息;进而建立受控自回归模型、利用遗忘因子多新息最小二乘算法对节点惯量进行辨识,得到全网等效惯量;再经过数学推导求解风电场并网惯量削弱量。最后通过Matlab/Simulink算例系统验证所提理论和方法的有效性。

含风电场的互联电力系统辨识与广域时滞阻尼控制器设计

针对大规模风电的远距离输送以及大区域电网互联将面临的区域低频振荡问题,提出一种适用于风电场并网背景下的广域阻尼控制器设计方法。该方法利用增益调度思想将风电场平均风速划分为若干个控制区域,并逐一对每个控制区域进行系统辨识以及阻尼控制器设计,以解决风电场出力的不确定性造成的控制器失效的问题。提出了改进自回归滑动平均(ARMA)方法和自由权矩阵方法分别完成上述系统辨识以及控制器设计过程。含风电场的EPRI-8机36节点测试系统仿真表明:所提辨识方法克服了传统ARMA方法辨识精度不高的问题,所提控制器设计方法允许的时滞裕度优于传统线性矩阵不等式方法。所提的增益调度控制方法能满足风电场出力变化的实际情况,具有较高的实用价值。

考虑能量损失的锂电池能量状态自适应估计

针对锂电池模型参数时变性以及端口功率积分法存在累积误差,导致SOE估计精度降低的问题,根据能量守恒原理改进了SOE计算式,并提出一种将多新息最小二乘参数辨识和自适应扩展卡尔曼滤波融合的模型参数自适应的状态估计算法。带遗忘因子多新息最小二乘法辨识动态工况下锂电池Thevenin等效模型的实时参数,自适应扩展卡尔曼滤波器估计电池SOE,通过模型参数辨识和状态估计的交互提高参数辨识和状态估计的精度。通过HPPC测试和BBDST测试,获得电池实测数据,搭建电池能量状态估计的Simulink模型。仿真验证表明,相比于模型参数固定的自适应扩展卡尔曼滤波,多新息最小二乘参数辨识和自适应扩展卡尔曼滤波融合算法具有更高的估计精度。