荷电状态(state of charge,SOC)的准确估计对延长电池寿命、减少事故发生至关重要。针对锂电池系统存在建模误差及宽温度范围下传统方法适应性差的问题,设计一种自适应增益滑模观测器(adaptive gain sliding mode observer,AGSMO)以提...荷电状态(state of charge,SOC)的准确估计对延长电池寿命、减少事故发生至关重要。针对锂电池系统存在建模误差及宽温度范围下传统方法适应性差的问题,设计一种自适应增益滑模观测器(adaptive gain sliding mode observer,AGSMO)以提高宽温域SOC估计精度。采用二阶RC等效电路模型构造适用于AGSMO的状态方程,并结合遗忘因子最小二乘法(forgetting factor recursive least square,FFRLS)完成模型参数辨识。利用等效控制思想构建状态误差的等效表达式,基于此设计滑模观测器,同时采用自适应增益提高收敛速度并抑制抖振。结合案例应用仿真,结果表明:AGSMO在美国联邦城市运行工况FUDS和高加速循环工况US06的不同初值下均可实现SOC的准确估计,并通过上述两种工况验证宽温域环境下AGSMO相较于滑模观测器(sliding mode observer,SMO)、扩展卡尔曼滤波(extended Kalman filter,EKF)具有更好的估计精度及收敛速度,均方根误差不超过0.68%,且在温域两端呈现强鲁棒性。展开更多
为了有效改善燃料电池混合动力系统的能耗,减少燃料电池性能衰减,保持辅助动力源的荷电状态(state of charge,SOC),提出一种基于遗忘因子递推最小二乘算法(forgetting factor recursive least square,FFRLS)的在线辨识方法和极小值原理...为了有效改善燃料电池混合动力系统的能耗,减少燃料电池性能衰减,保持辅助动力源的荷电状态(state of charge,SOC),提出一种基于遗忘因子递推最小二乘算法(forgetting factor recursive least square,FFRLS)的在线辨识方法和极小值原理的综合能量管理方法。该方法能根据在线辨识的结果和直流母线需求功率,完成对主动力源及辅助动力源的功率分配工作,并与基于离线辨识的算法结果以及等效氢耗最小能量管理方法(equivalent consumption minimization strategy,ECMS)进行对比分析。结果表明,该方法对等效氢耗的优化比离线以及ECMS的效果分别提升了6.33%和4.35%,对燃料电池性能衰减则分别优化了4.72%和6.98%,并能更好地维持辅助动力源的SOC。展开更多
普及推广风电虚拟惯性控制技术,是保障含高比例风电电力系统频率稳定运行的重要需求,但当前缺乏精确估计风电场等效虚拟惯量的理论方法,不能定量评估风电场对电网的惯量贡献。鉴于此,针对风电场等效虚拟惯量的快速时变特征,提出应用受...普及推广风电虚拟惯性控制技术,是保障含高比例风电电力系统频率稳定运行的重要需求,但当前缺乏精确估计风电场等效虚拟惯量的理论方法,不能定量评估风电场对电网的惯量贡献。鉴于此,针对风电场等效虚拟惯量的快速时变特征,提出应用受控自回归辨识模型和基于时变遗忘因子的递推最小二乘辨识求解算法,估计出风电场等效虚拟惯量。所提辨识模型和算法具有快速跟踪能力和良好收敛性,能精确估计风电场快速时变的等效虚拟惯量。在辨识求解中,只需量测风电场公共耦合点(point of common coupling,PCC)的有功功率和频率扰动信息,数据易于获取、实用性强,可良好推广应用。最后通过算例系统验证了辨识模型与方法的有效性和精确性。展开更多
文摘荷电状态(state of charge,SOC)的准确估计对延长电池寿命、减少事故发生至关重要。针对锂电池系统存在建模误差及宽温度范围下传统方法适应性差的问题,设计一种自适应增益滑模观测器(adaptive gain sliding mode observer,AGSMO)以提高宽温域SOC估计精度。采用二阶RC等效电路模型构造适用于AGSMO的状态方程,并结合遗忘因子最小二乘法(forgetting factor recursive least square,FFRLS)完成模型参数辨识。利用等效控制思想构建状态误差的等效表达式,基于此设计滑模观测器,同时采用自适应增益提高收敛速度并抑制抖振。结合案例应用仿真,结果表明:AGSMO在美国联邦城市运行工况FUDS和高加速循环工况US06的不同初值下均可实现SOC的准确估计,并通过上述两种工况验证宽温域环境下AGSMO相较于滑模观测器(sliding mode observer,SMO)、扩展卡尔曼滤波(extended Kalman filter,EKF)具有更好的估计精度及收敛速度,均方根误差不超过0.68%,且在温域两端呈现强鲁棒性。
文摘为了有效改善燃料电池混合动力系统的能耗,减少燃料电池性能衰减,保持辅助动力源的荷电状态(state of charge,SOC),提出一种基于遗忘因子递推最小二乘算法(forgetting factor recursive least square,FFRLS)的在线辨识方法和极小值原理的综合能量管理方法。该方法能根据在线辨识的结果和直流母线需求功率,完成对主动力源及辅助动力源的功率分配工作,并与基于离线辨识的算法结果以及等效氢耗最小能量管理方法(equivalent consumption minimization strategy,ECMS)进行对比分析。结果表明,该方法对等效氢耗的优化比离线以及ECMS的效果分别提升了6.33%和4.35%,对燃料电池性能衰减则分别优化了4.72%和6.98%,并能更好地维持辅助动力源的SOC。
文摘普及推广风电虚拟惯性控制技术,是保障含高比例风电电力系统频率稳定运行的重要需求,但当前缺乏精确估计风电场等效虚拟惯量的理论方法,不能定量评估风电场对电网的惯量贡献。鉴于此,针对风电场等效虚拟惯量的快速时变特征,提出应用受控自回归辨识模型和基于时变遗忘因子的递推最小二乘辨识求解算法,估计出风电场等效虚拟惯量。所提辨识模型和算法具有快速跟踪能力和良好收敛性,能精确估计风电场快速时变的等效虚拟惯量。在辨识求解中,只需量测风电场公共耦合点(point of common coupling,PCC)的有功功率和频率扰动信息,数据易于获取、实用性强,可良好推广应用。最后通过算例系统验证了辨识模型与方法的有效性和精确性。
