考虑锂电池多时间尺度效应的参数辨识与SOC估计方法

准确的荷电状态(state of charge,SOC)估计对新能源汽车电池管理系统的安全运行具有重要意义,而可靠的参数辨识是SOC估计的关键。考虑锂电池多时间尺度效应,提出了自适应遗忘因子递推最小二乘法(adaptive forgetting factor recursive least squares,AFFRLS)与自适应扩展卡尔曼滤波(adaptive extended Kalman filtering,AEKF)联合的参数辨识算法。首先,根据多时间尺度效应将锂电池双极化模型(dual-polarization model,DP)划分为快动态与慢动态。其次,设计AFFRLS与AEKF联合的参数辨识算法,分别辨识快、慢动态参数。最后,结合参数辨识数据利用H无穷算法估计SOC。结果表明,所提算法在不同工况与温度下具备良好的精度与鲁棒性。模型最大端电压均方根误差仅为3.329 mV,SOC均方根误差低于1%。

基于循环迭代粒子群算法对电动汽车无线充电系统的联合参数在线辨识

无线电能传输系统中参数的偏移往往会影响系统的充电效率和传输功率。该文提出一种谐振式无线充电系统的联合参数在线辨识方法。首先根据等效谐振电路建立电路方程。其次建立特征量的模型。然后检测一次侧输入电压,一次侧实时电流和二次侧实时电流并对其进行傅里叶变换得出特征频率,在此基础上构造出只含有4个未知数(L_(1)、C_(1)、L_(2)、C_(2))的适应度函数,将参数辨识问题转化为函数寻优问题。该文提出一种循环迭代粒子群算法来寻找最优解。将4个待辨识参数分为两组,L_(1)、C_(1)为第一组,L_(2)、C_(2)为第二组,每一次只辨识一组参数,然后将辨识结果作为另外一组参数寻优过程的初始条件进行循环辨识。除此之外,每一次辨识都会根据参数之间的灵敏度关系来迭代调整适应度函数。最后通过仿真和实验表明,所提的方案能够在无线电能传输系统中4个参数同时偏移的情况下有效辨识出各个参数,并且所提出的方法能达到较高精度。