基于多时间尺度双扩展卡尔曼滤波的电池峰值功率估计方法

动力电池是电动汽车的技术瓶颈,其状态的高精度估计一直是行业的技术难点,不准确的状态估计值易造成安全隐患,并加速动力电池系统老化。然而,动力电池每用必衰、时变非线性、环境敏感性等特点导致对其状态的实时精准估计极具挑战性。该文针对锂离子动力电池峰值功率估计的问题,提出基于多时间尺度滑动窗口的双扩展卡尔曼滤波(DEKF)算法,基于峰值功率测试结果更新模型参数库,实现了参数的缓时变估计。评价指标显示,动力电池全寿命、全电量区间内,变温度等条件下的验证结果表明所提算法能够准确估计电池参数和功率状态,电压误差小于40 mV。

基于峰值功率估计的TCT光伏阵列动态重构方法

为了解决局部阴影遮挡引起总交叉绑定型(total-cross-tied,TCT)光伏阵列电流失配导致的输出功率损失、热斑效应问题,该文通过探究TCT光伏阵列的功率运行特性提出了一种基于峰值功率估计的动态重构方法。该方法基于新的峰值功率估计(peak power evaluation,PPE)理论采用遗传算法将其应用在TCT光伏阵列功率优化重构的求解中。峰值功率估计理论仅需要光伏阵列的额定参数和光辐照度,就可以快速、准确计算出光伏阵列的最大功率运行点,解决了现有方法仅依靠直接功率估计原理导致功率估计精度低的问题,从而提升了光伏阵列功率优化重构的效率。在长方形、三角形、梯形阴影遮挡场景中进行仿真分析,证明了该方法对最大功率估计误差小于1%,进而能有效提升光伏阵列的输出功率。