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
电池荷电状态(State of Charge,SoC)是电池管理系统的核心指标,在电池应用过程中起到非常重要的作用。目前存在电池单体一致性较差、电池适应性差等问题,通过开展电池管理系统研究,提出一种基于SoC估计和改进均衡控制策略的混合优化算法...电池荷电状态(State of Charge,SoC)是电池管理系统的核心指标,在电池应用过程中起到非常重要的作用。目前存在电池单体一致性较差、电池适应性差等问题,通过开展电池管理系统研究,提出一种基于SoC估计和改进均衡控制策略的混合优化算法,以解决荷电状态不一致的问题。展开更多
液流电池具有充放电循环次数大、容量高及寿命长等优点,是长时大规模储能的理想选择,但是其复杂的结构对电池控制系统的要求较高,传统开发方式难以满足其多样的控制需求,因此提出精准度更高、实时性更好的基于事件驱动技术的液流电池控...液流电池具有充放电循环次数大、容量高及寿命长等优点,是长时大规模储能的理想选择,但是其复杂的结构对电池控制系统的要求较高,传统开发方式难以满足其多样的控制需求,因此提出精准度更高、实时性更好的基于事件驱动技术的液流电池控制系统开发方法。首先针对液流电池稳定性需求高、内部损耗大等问题,提出了主/辅助电堆协同架构,并对该架构系统进行建模分析;然后基于事件驱动技术对控制系统进行模块化设计,包括柔性充放电控制、辅助电堆参与的黑启动控制、基于卡尔曼滤波的电池荷电状态(state of charge,SOC)估计等;最后搭建半实物仿真平台,对所提架构和策略进行验证,证明了该架构和策略能提高系统的能量转换效率和稳定性。展开更多
设计了以MSP430为控制核心的用于5 k W锂电池管理系统(BMS).建立了关于电池荷电状态的模型,在实际估计中,采用开路电压和按时积分相结合的方法且有较高的精度;采取电池均衡充电的方案,补偿了电池容量的差异性,进而使得电池组的使用寿命...设计了以MSP430为控制核心的用于5 k W锂电池管理系统(BMS).建立了关于电池荷电状态的模型,在实际估计中,采用开路电压和按时积分相结合的方法且有较高的精度;采取电池均衡充电的方案,补偿了电池容量的差异性,进而使得电池组的使用寿命延长.电池荷电状态估算的改进方案解决了按时计量法无法确定初始荷电状态、难以精准测得库仑效率等问题,确保了电池管理系统处于稳定工作状态.该系统具有抗干扰能力极强、硬件电路可靠、且十分经济的特点.经过实验验证,利用该系统进行SOC剩余容量估计的结果较为精确.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。
文摘液流电池具有充放电循环次数大、容量高及寿命长等优点,是长时大规模储能的理想选择,但是其复杂的结构对电池控制系统的要求较高,传统开发方式难以满足其多样的控制需求,因此提出精准度更高、实时性更好的基于事件驱动技术的液流电池控制系统开发方法。首先针对液流电池稳定性需求高、内部损耗大等问题,提出了主/辅助电堆协同架构,并对该架构系统进行建模分析;然后基于事件驱动技术对控制系统进行模块化设计,包括柔性充放电控制、辅助电堆参与的黑启动控制、基于卡尔曼滤波的电池荷电状态(state of charge,SOC)估计等;最后搭建半实物仿真平台,对所提架构和策略进行验证,证明了该架构和策略能提高系统的能量转换效率和稳定性。
文摘设计了以MSP430为控制核心的用于5 k W锂电池管理系统(BMS).建立了关于电池荷电状态的模型,在实际估计中,采用开路电压和按时积分相结合的方法且有较高的精度;采取电池均衡充电的方案,补偿了电池容量的差异性,进而使得电池组的使用寿命延长.电池荷电状态估算的改进方案解决了按时计量法无法确定初始荷电状态、难以精准测得库仑效率等问题,确保了电池管理系统处于稳定工作状态.该系统具有抗干扰能力极强、硬件电路可靠、且十分经济的特点.经过实验验证,利用该系统进行SOC剩余容量估计的结果较为精确.