针对无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计锂电池荷电状态(state of charge,SOC)时精度低、稳定性差、产生的sigma点过多导致计算难度大等不足,提出一种基于自适应球形不敏变换方式的无迹卡尔曼滤波(unscented Kalman f...针对无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计锂电池荷电状态(state of charge,SOC)时精度低、稳定性差、产生的sigma点过多导致计算难度大等不足,提出一种基于自适应球形不敏变换方式的无迹卡尔曼滤波(unscented Kalman filter based on adaptive spherical insensitive transformation,ASIT-UKF)算法。该算法通过使用球形不敏变换方式选择权系数以及初始化一元向量对sigma点的产生进行选取。与UKF算法相比,ASIT-UKF算法产生的sigma点减少近50%,使得算法的计算复杂度大大降低。同时,将产生的所有sigma点进行单位球形面上的归一化处理,提高了数值的稳定性。考虑到实际运行中锂电池系统噪声干扰带来的不确定性,加入Sage-Husa自适应滤波器对不确定性噪声的干扰进行实时更新和修正,以达到提高在线锂电池SOC估计精度的目的。最后,将均方根误差和最大绝对误差计算公式引入到性能估计指标中。实验结果表明,ASIT-UKF算法在准确度、鲁棒性和收敛性方面具有优越的性能。展开更多
电池储能具有响应速度快、控制精度高、容量配置灵活的优点,近年来在电网调频中得到广泛关注。但传统控制方式易造成电池过充或过放,给电网运行及电池使用带来负面影响。针对该问题,提出一种考虑荷电状态(state of charge,SOC)约束的储...电池储能具有响应速度快、控制精度高、容量配置灵活的优点,近年来在电网调频中得到广泛关注。但传统控制方式易造成电池过充或过放,给电网运行及电池使用带来负面影响。针对该问题,提出一种考虑荷电状态(state of charge,SOC)约束的储能参与电网一次调频综合控制策略。首先,构建储能电池参与电网一次调频的自动发电控制(automatic generation control,AGC)模型,提出根据电池SOC约束进行储能容量配置的方案。其次,通过对储能虚拟惯性控制及虚拟下垂控制的特征分析,根据电网频率偏差动态变化进行分配比例系数的设计,实现2种方式参与度的平滑改变。再次,以适应于电池SOC状态的参数自适应调节为目标,进行储能充放电控制系数的调整,以改善调频性能及电池SOC的变化特征。最后,通过多种方法的仿真对比,验证了所提方法的可行性和有效性。展开更多
锂电池荷电状态(SOC)的准确估计是电池管理系统的关键技术,为了解析传感器误差对SOC估计精度的影响,以二阶RC等效电路模型为基础,运用遗传算法进行参数辨识,采用扩展Kalman滤波算法进行SOC估计,分析电压、电流传感器存在的漂移和白噪声...锂电池荷电状态(SOC)的准确估计是电池管理系统的关键技术,为了解析传感器误差对SOC估计精度的影响,以二阶RC等效电路模型为基础,运用遗传算法进行参数辨识,采用扩展Kalman滤波算法进行SOC估计,分析电压、电流传感器存在的漂移和白噪声对SOC估计的影响。结果表明:电压、电流传感器的漂移与SOC估计误差的均值近似呈线性关系,电压、电流传感器存在的白噪声对SOC估计误差的均值无影响;对于实验中的三元锂离子电池,若使SOC估计精度在5%以内,电压的偏差值应控制在10 m V以内、电流偏差值应在1/30 C以内。展开更多
文摘针对无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计锂电池荷电状态(state of charge,SOC)时精度低、稳定性差、产生的sigma点过多导致计算难度大等不足,提出一种基于自适应球形不敏变换方式的无迹卡尔曼滤波(unscented Kalman filter based on adaptive spherical insensitive transformation,ASIT-UKF)算法。该算法通过使用球形不敏变换方式选择权系数以及初始化一元向量对sigma点的产生进行选取。与UKF算法相比,ASIT-UKF算法产生的sigma点减少近50%,使得算法的计算复杂度大大降低。同时,将产生的所有sigma点进行单位球形面上的归一化处理,提高了数值的稳定性。考虑到实际运行中锂电池系统噪声干扰带来的不确定性,加入Sage-Husa自适应滤波器对不确定性噪声的干扰进行实时更新和修正,以达到提高在线锂电池SOC估计精度的目的。最后,将均方根误差和最大绝对误差计算公式引入到性能估计指标中。实验结果表明,ASIT-UKF算法在准确度、鲁棒性和收敛性方面具有优越的性能。
文摘电池储能具有响应速度快、控制精度高、容量配置灵活的优点,近年来在电网调频中得到广泛关注。但传统控制方式易造成电池过充或过放,给电网运行及电池使用带来负面影响。针对该问题,提出一种考虑荷电状态(state of charge,SOC)约束的储能参与电网一次调频综合控制策略。首先,构建储能电池参与电网一次调频的自动发电控制(automatic generation control,AGC)模型,提出根据电池SOC约束进行储能容量配置的方案。其次,通过对储能虚拟惯性控制及虚拟下垂控制的特征分析,根据电网频率偏差动态变化进行分配比例系数的设计,实现2种方式参与度的平滑改变。再次,以适应于电池SOC状态的参数自适应调节为目标,进行储能充放电控制系数的调整,以改善调频性能及电池SOC的变化特征。最后,通过多种方法的仿真对比,验证了所提方法的可行性和有效性。
文摘锂电池荷电状态(SOC)的准确估计是电池管理系统的关键技术,为了解析传感器误差对SOC估计精度的影响,以二阶RC等效电路模型为基础,运用遗传算法进行参数辨识,采用扩展Kalman滤波算法进行SOC估计,分析电压、电流传感器存在的漂移和白噪声对SOC估计的影响。结果表明:电压、电流传感器的漂移与SOC估计误差的均值近似呈线性关系,电压、电流传感器存在的白噪声对SOC估计误差的均值无影响;对于实验中的三元锂离子电池,若使SOC估计精度在5%以内,电压的偏差值应控制在10 m V以内、电流偏差值应在1/30 C以内。
