考虑电池单体老化差异所致的电池组不一致性,针对串联电池组荷电状态(state of charge,SOC)、容量估计问题,提出一种基于自回归等效电路模型(autoregression equivalent circuit model,AR-ECM)的平均差异模型(mean-difference model,MDM...考虑电池单体老化差异所致的电池组不一致性,针对串联电池组荷电状态(state of charge,SOC)、容量估计问题,提出一种基于自回归等效电路模型(autoregression equivalent circuit model,AR-ECM)的平均差异模型(mean-difference model,MDM)。基于此模型,提出串联电池组SOC、容量多尺度联合估计算法。该算法由2个部分组成,一是基于AR-ECM的MDM及差异化模型参数辨识策略:条件辨识策略和定频分组辨识策略;二是基于多时间尺度H无穷滤波(multi-timescale H infinity filter,Mts-HIF)的电池组SOC、容量联合估计算法。通过将所提出MDM中的自回归平均模型(autoregression mean model,AR-MM)与传统MDM中的n阶RC平均模型(nRC mean model,nRC-MM)比较,结果表明所提出的AR-MM在复杂运行工况下具有更优的动态跟随性能。依据最小化信息量准则(akaike information criterion,AIC),AR-MM具有更优的复杂度与精度的权衡。通过与基于多时间尺度扩展卡尔曼滤波(multi-timescale extended Kalman filter,Mts-EKF)联合状态估计算法比较,结果表明所提出的Mts-HIF状态估计算法具有更优的鲁棒性、精度和收敛速度。展开更多
A fuzzy model was established to estimate the state of charge（SOC） of a lithium-ion battery for electric vehicles.The robust Gustafson-Kessel（GK） clustering algorithm based on clustering validity indices was appli...A fuzzy model was established to estimate the state of charge（SOC） of a lithium-ion battery for electric vehicles.The robust Gustafson-Kessel（GK） clustering algorithm based on clustering validity indices was applied to identify the structure and antecedent parameters of the model.The least squares algorithm was utilized to determine the consequent parameters.Validation results show that this model can provide accurate SOC estimation for the lithium-ion battery and satisfy the requirement for practical electric vehicle applications.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
文摘考虑电池单体老化差异所致的电池组不一致性,针对串联电池组荷电状态(state of charge,SOC)、容量估计问题,提出一种基于自回归等效电路模型(autoregression equivalent circuit model,AR-ECM)的平均差异模型(mean-difference model,MDM)。基于此模型,提出串联电池组SOC、容量多尺度联合估计算法。该算法由2个部分组成,一是基于AR-ECM的MDM及差异化模型参数辨识策略:条件辨识策略和定频分组辨识策略;二是基于多时间尺度H无穷滤波(multi-timescale H infinity filter,Mts-HIF)的电池组SOC、容量联合估计算法。通过将所提出MDM中的自回归平均模型(autoregression mean model,AR-MM)与传统MDM中的n阶RC平均模型(nRC mean model,nRC-MM)比较,结果表明所提出的AR-MM在复杂运行工况下具有更优的动态跟随性能。依据最小化信息量准则(akaike information criterion,AIC),AR-MM具有更优的复杂度与精度的权衡。通过与基于多时间尺度扩展卡尔曼滤波(multi-timescale extended Kalman filter,Mts-EKF)联合状态估计算法比较,结果表明所提出的Mts-HIF状态估计算法具有更优的鲁棒性、精度和收敛速度。
基金Sponsored by the National High Technology Research and Development Program of China("863"Program)(2003AA501800)
文摘A fuzzy model was established to estimate the state of charge（SOC） of a lithium-ion battery for electric vehicles.The robust Gustafson-Kessel（GK） clustering algorithm based on clustering validity indices was applied to identify the structure and antecedent parameters of the model.The least squares algorithm was utilized to determine the consequent parameters.Validation results show that this model can provide accurate SOC estimation for the lithium-ion battery and satisfy the requirement for practical electric vehicle applications.
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。
