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
铅酸蓄电池作为电力系统的后备电源,直接影响供电稳定性与可靠性。精确的荷电状态(state of charge,SOC)估计对科学管理铅酸蓄电池、降低系统供电风险具有重要意义。本文研究了三类电池模型(电化学模型、等效电路模型和黑箱模型)的建模...铅酸蓄电池作为电力系统的后备电源,直接影响供电稳定性与可靠性。精确的荷电状态(state of charge,SOC)估计对科学管理铅酸蓄电池、降低系统供电风险具有重要意义。本文研究了三类电池模型(电化学模型、等效电路模型和黑箱模型)的建模方法;同时,基于模型原理将目前热门的铅酸蓄电池SOC估计方法分为三大类别,并详细综述各类方法的原理和优缺点。展开更多
为满足储能系统提供惯量和一次调频支撑功能需要对多类型储能介质集中配置和优化调控的需求,针对基于模块化多电平换流器(modularmultilevelconverter,MMC)的新型混合储能系统(hybrid energy storage system,HESS)MMC-HESS,提出了混合...为满足储能系统提供惯量和一次调频支撑功能需要对多类型储能介质集中配置和优化调控的需求,针对基于模块化多电平换流器(modularmultilevelconverter,MMC)的新型混合储能系统(hybrid energy storage system,HESS)MMC-HESS,提出了混合同步控制(hybrid synchronous control,HSC)整体策略。MMCHESS采用模块化设计,将超级电容和蓄电池分别安置在高压直流母线侧和子模块内,具备高功率密度和高能量密度的优势。阐述了混合储能系统的拓扑结构和工作原理并采用混合同步控制策略提供系统惯量和一次调频功能及故障限流时的同步能力和孤岛并网切换功能,采用滤波器实现储能功率分配,采用荷电状态(state of charge,SOC)均衡控制实现蓄电池能量均衡。最后,基于硬件在环实验平台,验证了所提拓扑结构与控制策略的可行性和有效性。实验结果表明:所提混合储能系统及其控制策略具备惯量与频率支撑能力,在故障限流、正常并网、孤岛运行之间可灵活切换,能够有效发挥混合储能的综合优势,在中压配电网中具有良好的应用前景。展开更多
随着电力系统中可再生能源比重逐渐增加,电力系统频率波动的风险增大。飞轮和锂电池可以优势互补,作为混合储能应用于电网一次调频中,有效解决系统频率波动问题。为了充分发挥飞轮和锂电池各自的调频优势,提出基于自适应荷电状态(state ...随着电力系统中可再生能源比重逐渐增加,电力系统频率波动的风险增大。飞轮和锂电池可以优势互补,作为混合储能应用于电网一次调频中,有效解决系统频率波动问题。为了充分发挥飞轮和锂电池各自的调频优势,提出基于自适应荷电状态(state of charge,SOC)的电池-飞轮混合储能一次调频控制策略。首先,建立含正、负虚拟惯性控制和虚拟下垂控制的权重分配一次调频模型;然后,利用飞轮和锂电池SOC对一次调频模型参数进行修正,提高混合储能在SOC阈值附近的一次调频能力;最后,仿真对比各调频场景下文中控制策略与其他控制策略的调频能力及SOC恢复效果。研究结果表明,文中控制策略下储能系统SOC波动范围最小,电池不会发生过充过放,且系统频率波动不超过±0.2 Hz,可以提高电网频率稳定性。展开更多
针对原有的锂电池组荷电状态(state of charge,SOC)估算方式是在电池放电后进行测量,在电池内阻数值较大时难以获取明确的开路电压,导致其在锂电池组SOC估算上具有误差等问题,设计了基于分段聚合和卡尔曼滤波的锂电池组SOC估算方法.在...针对原有的锂电池组荷电状态(state of charge,SOC)估算方式是在电池放电后进行测量,在电池内阻数值较大时难以获取明确的开路电压,导致其在锂电池组SOC估算上具有误差等问题,设计了基于分段聚合和卡尔曼滤波的锂电池组SOC估算方法.在构建等效电路模型的基础上,辨识锂电池参数,并定义开路电压等锂电池组SOC估算指标.分段聚合切换锂电池反馈路径,利用卡尔曼滤波线性递推估算锂电池组SOC数值.结果表明:以锂电池脉冲放电过程为测试条件,提出的方法估算结果与实际SOC值基本一致,在SOC为0.6时,该方法能将SOC估算相对误差控制在0~0.4%.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。
文摘铅酸蓄电池作为电力系统的后备电源,直接影响供电稳定性与可靠性。精确的荷电状态(state of charge,SOC)估计对科学管理铅酸蓄电池、降低系统供电风险具有重要意义。本文研究了三类电池模型(电化学模型、等效电路模型和黑箱模型)的建模方法;同时,基于模型原理将目前热门的铅酸蓄电池SOC估计方法分为三大类别,并详细综述各类方法的原理和优缺点。
文摘为满足储能系统提供惯量和一次调频支撑功能需要对多类型储能介质集中配置和优化调控的需求,针对基于模块化多电平换流器(modularmultilevelconverter,MMC)的新型混合储能系统(hybrid energy storage system,HESS)MMC-HESS,提出了混合同步控制(hybrid synchronous control,HSC)整体策略。MMCHESS采用模块化设计,将超级电容和蓄电池分别安置在高压直流母线侧和子模块内,具备高功率密度和高能量密度的优势。阐述了混合储能系统的拓扑结构和工作原理并采用混合同步控制策略提供系统惯量和一次调频功能及故障限流时的同步能力和孤岛并网切换功能,采用滤波器实现储能功率分配,采用荷电状态(state of charge,SOC)均衡控制实现蓄电池能量均衡。最后,基于硬件在环实验平台,验证了所提拓扑结构与控制策略的可行性和有效性。实验结果表明:所提混合储能系统及其控制策略具备惯量与频率支撑能力,在故障限流、正常并网、孤岛运行之间可灵活切换,能够有效发挥混合储能的综合优势,在中压配电网中具有良好的应用前景。
文摘随着电力系统中可再生能源比重逐渐增加,电力系统频率波动的风险增大。飞轮和锂电池可以优势互补,作为混合储能应用于电网一次调频中,有效解决系统频率波动问题。为了充分发挥飞轮和锂电池各自的调频优势,提出基于自适应荷电状态(state of charge,SOC)的电池-飞轮混合储能一次调频控制策略。首先,建立含正、负虚拟惯性控制和虚拟下垂控制的权重分配一次调频模型;然后,利用飞轮和锂电池SOC对一次调频模型参数进行修正,提高混合储能在SOC阈值附近的一次调频能力;最后,仿真对比各调频场景下文中控制策略与其他控制策略的调频能力及SOC恢复效果。研究结果表明,文中控制策略下储能系统SOC波动范围最小,电池不会发生过充过放,且系统频率波动不超过±0.2 Hz,可以提高电网频率稳定性。
文摘针对原有的锂电池组荷电状态(state of charge,SOC)估算方式是在电池放电后进行测量,在电池内阻数值较大时难以获取明确的开路电压,导致其在锂电池组SOC估算上具有误差等问题,设计了基于分段聚合和卡尔曼滤波的锂电池组SOC估算方法.在构建等效电路模型的基础上,辨识锂电池参数,并定义开路电压等锂电池组SOC估算指标.分段聚合切换锂电池反馈路径,利用卡尔曼滤波线性递推估算锂电池组SOC数值.结果表明:以锂电池脉冲放电过程为测试条件,提出的方法估算结果与实际SOC值基本一致,在SOC为0.6时,该方法能将SOC估算相对误差控制在0~0.4%.
