基于离散区间二进制序列激励信号的燃料电池EIS测量及故障诊断方法

为在不影响燃料电池发电系统正常运行的前提下快速分析电堆内部复杂反应过程,获取精确的输出特性等效电路模型,提出一种基于离散区间二进制序列(discreteinterval binarysequence,DIBS)脉冲信号的燃料电池电化学阻抗谱(electrochemical impedance spectroscopy,EIS)在线测量及故障诊断方法。该方法在不增加信号时域幅值的基础上尽可能多地将能量集中到指定的频率点上。该文设计并搭建EIS测量平台,实验确定激励信号频率范围为0.2～80Hz,并对电堆10～60W不同负载功率下的阻抗谱进行测试,验证所提出的DIBS脉冲激励用于燃料电池EIS测量的有效性。提出R(RQ)(RQ)(RQ)三阶等效电路模型,并采用Nelder-Mead参数辨识方法,得到总体误差较小的EIS拟合曲线。在此基础上针对膜干和水淹故障,利用PSO-SVM分类方法对电堆故障进行诊断。研究结果表明:提出故障诊断方法准确率高达97.14%,能准确判断出所使用的燃料电池所处故障类型。     

充电模态下电动汽车动力电池模型辨识

电池模型及参数辨识是电动汽车动力电池进行充、放电优化控制的基础,同时模型参数受充、放电工况的影响。为对充电模态下的电动汽车动力电池进行建模与参数辨识,对动力电池建模方法、模型参数辨识算法展开研究,建立基于电极阻抗谱理论的可变阶次电池等效电路模型,提出基于遗忘因子扩展递推最小二乘算法(FFRELS)的模型参数辨识算法,构建基于贝叶斯信息准则(BIC)的电池模型最优阶次选择算法,创建基于晶格气体模型(LGM)的电池开路电压模型,对电池模型参数辨识算法进行修正,实现了充电模态下的电池模型参数辨识与最优阶次选择。仿真结果证明了该方法的有效性。     

锂电池分数阶建模与荷电状态估计研究

基于分数阶微积分理论及实际电容在本质上是分数阶的事实,整数阶建模会导致算法不精确。因此,针对这一问题,建立锂电池分数阶PNGV等效电路模型并进行理论分析,通过混合脉冲功率特性实验(HPPC)对模型参数进行辨识。针对所建的模型,建立离散状态方程和测量方程,运用分数阶卡尔曼滤波算法(FOKF)预测电池荷电状态(SOC),并将所得的结果与无迹卡尔曼滤波算法(UKF)、实验参考值进行比较。结果表明,建立的分数阶模型更能真实地模拟电池的极化效应和充放电特性,所构造的FOKF算法在估算精度和跟踪速度上也有一定的提高。     

基于分数阶锂电池模型的FOMIAEKF算法SOC估计

以分数阶微分理论为依据,建立分数阶二阶RC等效电路模型,采用自适应遗传算法(AGA)结合脉冲放电实验对模型的参数进行辨识,并对整数阶模型和分数阶模型的精度进行对比.针对分数阶模型的特点以及扩展卡尔曼滤波器(EKF)算法的不足,提出了基于分数阶模型的多新息自适应EKF算法,通过与健康状态(SOH)联合估计来实时修正荷电状态(SOC)模型参数.结果表明,搭建的分数阶模型可以更好地描述锂电池的特性,分数阶多新息自适应扩展卡尔曼滤波器(FOMIAEKF)算法和联合估计方法可以有效提高估算的精度和跟踪的速度.     

一种快速高鲁棒性变压器铁心Jiles-Atherton磁滞模型参数辨识方法

Jiles-Atherton(J-A)模型是变压器剩磁与励磁涌流计算的重要方法,但在使用中存在着参数辨识的难题。文中从参数辨识的公式法、遗传算法、Nelder-Mead(NM)单纯形算法原理及各自特点出发,提出一种综合运用公式法和两种优化算法对实测磁化曲线进行参数辨识的方法。算例分析结果表明,该方法对于经典JA模型参数识别具有较高的精度,在误差影响下体现出良好的鲁棒性,是一种快速、有效的J-A模型参数辨识方法。     

锂电池分段分数阶建模与荷电状态估计

为提高等效电路模型准确性,考虑等效电容分数阶本质和锂电池充放电不同阶段的不同变化特性,采用分数阶微积分理论建立了基于二阶RC模型的电池分段分数阶等效电路模型.用粒子群算法分段辨识分数阶阶数,通过混合脉冲功率特性(HPPC)实验辨识模型参数,使模型更符合电池实际工作状态.实验结果显示,新模型能够更准确地模拟电池充放电特性...     

动态工况模拟下动力锂电池建模与参数辨识方法

为提高动态工况模拟下动力电池等效电路模型参数辨识准确性、稳定性,本文提出一种动态工况模拟下动力锂电池建模与参数辨识方法,采用准确度较高、辨识难度适中Thevenin二阶等效电路模型对动力电池进行状态空间描述;设计动力锂电池模型参数辨识算法总体流程,开展OCV-SOC曲线的工况测试获取曲线的拟合系数;提出含噪声干扰动力锂电池等效电路模型参数的DEKF+GA算法辨识方法,增加GA算法,在DEKF求解初始值处进行最优解搜索,提升DEKF算法准确性、鲁棒性。实验表明,应用DEKF+GA算法比DEKF算法,URMSE、UMAX分别平均减少29mV、27.73mV。     

基于改进混沌粒子群的PEMFC模型参数辨识

基于质子交换膜燃料电池(PEMFC)电堆的输出特性及相关电化学反应建立输出特性模型,提出改进混沌粒子群优化(CPSO)算法来优化PEMFC输出特性模型参数辨识问题。首先采用6种标准测试函数验证了CPSO算法的寻优性能,然后针对两种参数不同的电堆进行了输出特性模型参数辨识。结果表明,相较于遗传算法(GA)、粒子群优化(PSO)算法、受约束粒子群优化(B-PSO)算法、具有收缩系数的粒子群优化(PSO-χ)算法、引力粒子群优化(GSAPSO)算法以及差分进化算法(DE),CPSO算法辨识精度最高且收敛速度最快。静态工况下电堆1的均方根误差为0.213,平均相对误差为2.339%;电堆2的均方根误差为0.481,平均相对误差为1.243%,充分说明CPSO算法在PEMFC输出特性模型参数辨识方面的优越性。     

动力锂电池最优等效电路模型研究

可靠的等效电路模型能够精确的模拟动力电池的充放电特性,是建立各种状态估计方法的基础。首先建立了锂电池Thevenin模型、DP模型,并采用带遗忘因子最小二乘法进行在线参数辨识,利用电路原理进行离线参数辨识。其次,在MATLAB/Simulink中结合实验数据对模型辨识精度和运算速度进行仿真验证。最后,基于辨识精度和运算速度建立模型评价方法,得出在线辨识过程DP模型相比于Thevenin模型能够在精度和速度方面取得更好的平衡;离线辨识过程,Thevenin模型能够取得更好的平衡。     

动力锂电池最优等效电路模型研究

可靠的等效电路模型能够精确的模拟动力电池的充放电特性,是建立各种状态估计方法的基础。首先建立了锂电池Thevenin模型、DP模型,并采用带遗忘因子最小二乘法进行在线参数辨识,利用电路原理进行离线参数辨识。其次,在MATLAB/Simulink中结合实验数据对模型辨识精度和运算速度进行仿真验证。最后,基于辨识精度和运算速度建立模型评价方法,得出在线辨识过程DP模型相比于Thevenin模型能够在精度和速度方面取得更好的平衡;离线辨识过程,Thevenin模型能够取得更好的平衡。     

基于DSLPSO算法的超级电容参数辨识

针对超级电容模型多参数辨识问题以及传统辨识算法收敛精度差,收敛速度慢问题,提出基于动态自学习粒子群算法的超级电容参数辨识方法.根据超级电容等效电路模型,采用双线性变换进行离散化获得辨识模型,使用动态自学习粒子群算法辨识各分支的参数.仿真结果分析表明,与基本粒子群、自适应惯性权重粒子群对比分析,基于动态自学习粒子群算法的超级电容参数辨识方法收敛速度快、收敛精度高、全局寻优能力强,可以更准确地反映出超级电容的动态特性.     

阀控式铅酸蓄电池的等效电路模型和参数辨识

电池模型是研究电池性能的重要工具,根据阀控式铅酸蓄电池的特性,建立一种能反应其内部特性的二阶RC电路等效模型。然后根据模型,推导出能够反映出电池性能的开路电压和内阻。设计伪随机序列作为模型激励,对铅酸电池在特定条件下的充放电实验进行模拟,利用基于遗忘因子的最小递推二乘法进行模型参数辨识。通过端电压比较法对辨识结果进行验证,结果表明:采用M序列作为激励的参数辨识方法,能够准确有效地辨识阀控式铅酸电池等效电路模型的参数,并可以对其参数的获取提供理论基础与支持。二阶等效电路模型及基于递推最小二乘算法的模型参数的辨识结果可以精确地进行充放电过程仿真。     

基于自适应无迹卡尔曼滤波的动力电池SOC估计

针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电池SOC时,在未知的干扰噪声条件下滤波精度较低和稳定性较差等问题,基于等效的二阶RC电路模型,提出自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法。在模型参数辨识的基础上,构建了系统状态方程以及量测方程;随后,研究了无迹卡尔曼滤波算法及其自适应调整策略。根据仿真结果可知,该算法估计的电池SOC最大误差小于2.13%,估算精度及收敛速度均好于传统无迹卡尔曼滤波算法。     

超级电容快速在线参数辨识及状态估计

传统的超级电容三支路RC等效电路模型在快速充放电过程中并不能很好地描述超级电容充放电特性,且三支路RC等效电路模型参数在线辨识困难.为了提高快速充放电工况下超级电容状态估计和参数辨识的准确性,提出了基于简化模型和EKF的状态估计和参数辨识方法.首先,通过对快速充放电工况下模型简化可行性分析,在满足精度要求的前提下将三支...     

基于等值回路平衡方程的变压器保护原理

利用在正常运行及励磁涌流状态下,由原副边绕组回路方程得到的回路平衡方程值为零,而在内部故障状态下回路平衡方程值不再为零这一特征,构成了基于回路方程的变压器保护原理,并推导出应用于单相变压器、三相Y/Y、 Y/△接法变压器的保护动作方程。由于变压器绕组漏感参数难以求取,且在运行过程中绕组变形将会导致漏感参数发生变化,文中采用最小二乘算法对变压器漏感参数进行实时在线估算,以提高算法灵敏度。动模试验表明:该算法原理清晰,能够不受励磁涌流的影响,快速可靠地识别变压器各种故障,且特征明显,其动作门坎有较大的裕度。     

三相逆变器数字孪生系统的参数辨识研究

电力电子变换器的参数辨识能提升系统控制和运行效果,然而传统的参数辨识方法难以同时辨识多组参数且辨识结果精度较低。针对此问题,提出了基于数字孪生的三相逆变器参数辨识方法。首先,构造出数字孪生三相逆变器,包括利用Runge-kutta库塔方法建立三相逆变器主电路的数学模型和控制器离散模型。然后,利用自适应粒子群优化算法更新并优化数字孪生逆变器的电路参数,直至数字孪生逆变器和物理逆变器相应的电路参数相同。最后,通过仿真和实验验证了所提参数辨识方法的有效性。结果表明,该方法在稳态与动态条件下均能快速地辨识出物理逆变器的电感、寄生电阻和开关管内阻参数,辨识结果的相对误差在2%以内。     

基于SAPSO算法的异步电动机参数辨识

异步电动机等效电路参数的准确辨识对电动机的控制具有重要作用,同时,等效电路参数的变化可以反映电动机的运行状态,故参数辨识也被运用到电机故障诊断中。将现代最优化算法应用到三相异步电动机的等效电路参数辨识中。通过将粒子群优化算法(PSO)和模拟退火算法(SA)相结合,可以准确有效地对异步电动机的6个等效参数进行辨识,与遗传算法相比,SA-PSO算法易于实现且收敛速度快。算法采用考虑铁耗的异步电机d-q坐标系下的模型来实现,将温度对电阻参数的影响考虑在内。通过算例证明了算法能够有效地对电机参数进行辨识及跟踪电阻的变化。     

基于粒子群优化粒子滤波算法的 SOC 估算研究

准确的获得电池的荷电状态(SOC)有助于缓解汽车行驶过程中的里程焦虑。针对粒子滤波估算SOC中存在的粒子退化的问题,将粒子群算法与粒子滤波融合的改进粒子滤波算法(GPSO-PF)算法应用于SOC的估计。在迭代中不断优化粒子所处位置,从而解决了粒子贫化的问题,提高了SOC的估算精度。同时,针对SOC估算容易受到温度的影响,建立基于温度的等效电路模型,并将其应用于提出的SOC估算算法中。选取两节相同型号的磷酸铁锂电池,分别在不同工况下利用GPSO-PF算法估算SOC值,SOC的最大估算误差均低于0.72%。通过对比,与基于温度等效电路模型相结合后,GPSO-PF算法能够有效提高SOC的估算精度。     

基于AEPSO-BPNN的光伏阵列多场景参数辨识

针对光伏阵列内部机理较为复杂、参数难以快速准确辨识的问题,提出了一种自适应进化粒子群算法优化BP神经网络（AEPSO-BPNN）的模型建立和参数辨识方法。通过引入自适应、进化和重构等改进策略,可以提高粒子群算法的收敛性能,并将其对BP神经网络的初始权值和阈值进行优化,使神经网络算法在迭代后期不易陷入局部最优解,以提高参数辨识的精确度和速度。根据光伏阵列的实测输出电流和理论计算电流的差值,并考虑环境变化对内部参数的影响,构造均方根误差函数作为算法的适应度函数,从而将复杂的多参数辨识问题转化为带约束条件的非线性多变量最优化问题。最后采用多场景法,验证算法在不同光照强度和温度下的适用性和效果,并与其他算法进行对比,仿真结果表明该算法在误差、收敛速度和运行时间上有较大优势。