大型发电机状态监测的方法研究

综述了大型汽轮发电机状态监测的概念及必要性,介绍了国内外发电机状态监测的现状及监测的主要对象、内容和方法。     

基于核极限学习机与容积卡尔曼滤波融合的锂电池荷电状态估计

为了提高锂电池荷电状态（SOC）估计精度,在容积卡尔曼滤波（CKF）算法中引入误差补偿机制,提出一种核极限学习机（KELM）和CKF相融合的估计方法.通过递归最小二乘法（RLS）动态跟踪等效电路模型的参数,由CKF算法得到SOC的初步估计值;以锂电池的工作电压、电流、CKF算法的残差均值和方差作为输入,初步估计值与真实值的偏差作为输出,采用KELM算法,在联邦城市驾驶工况（FUDS）下进行训练,得到CKF算法估计误差的预测模型;利用KELM预测模型的回归预测能力对初步估计值进行误差补偿,从而达到降低估计误差的目的.为了验证所提方法的有效性和先进性,采用Arbin电池测试平台的实验数据进行仿真分析,结果表明在多种工况下所提方法均具有更高的估计精度、更强的泛化性和鲁棒性.     

传感器数据异常下动力定位鲁棒状态估计方法

针对时变环境带来的传感器数据异常、未知环境干扰等影响,导致基于无迹卡尔曼滤波的动力定位状态估计方法估计精度下降的问题,提出了一种鲁棒无迹卡尔曼滤波方法,该方法通过引入一种基于指数加权的观测噪声协方差矩阵R自适应更新模块和一种基于卡方分布假设检验方法的过程不确定性识别模块处理传感器数据异常情况并估计未知环境力.最后,以某平台供应船的船模为仿真对象,进行了仿真对比实验.仿真结果表明,鲁棒无迹卡尔曼滤波能够准确及时地识别传感器数据异常情况,相较于传统无迹卡尔曼滤波而言,鲁棒无迹卡尔曼滤波状态估计精度更高,收敛速度更快,表现出较强的鲁棒性.     

电力场景下基于RetinaNet的绝缘手套异常状态视觉检测方法

目前,电网对异常状态监测的需求越来越强烈,异常检测可以用于检测电网工作人员是否正确佩戴安全装备,尤其是工作人员在检修电网时,可以避免触电伤害的绝缘手套是否做到正确佩戴仍是需要重视的一大安全问题.遗憾的是,当前绝大多数的电力检测任务是针对安全帽和安全带,并没有针对绝缘手套的研究工作.而RetinaNet目标检测算法能够在...     

机动车驾驶员驾驶状态监测方法研究

驾驶员的驾驶状态对行车安全有着很重要的影响。准确、实时地监测到驾驶员驾驶状态是预防交通事故发生的前提条件。重点介绍了驾驶状态监测技术的研究现状，比较分析了几种目前较为流行的监测方法，提出了监测驾驶状态的有效方案.     

弓网状态监测与故障诊断方法研究

针对弓网振动引起的拉出值和接触线高度故障,建立了基于三角测量法求解接触线振动量的数学模型.为了再现弓网故障场景,采用了基于3G技术的视频监视与故障图像诊断方法,车载系统根据抓拍的故障图像计算出接触线拉出值与高度;车载软件通过3G网络将实时故障视频与图像传到地面计算机,地面技术人员通过地面客户端软件可以查看弓网工作全过程...     

数字化变电站的状态检修与状态监测探讨

数字化变电站是由智能化一次设备和网络化二次设备分层构建,建立在IEC61850通信规范基础上,能够实现变电站内智能电气设备间信息共享和互操作的现代化变电站。本文主要介绍了数字化变电站的状态检修以及变电站设备的状态监测。     

动力锂电池荷电状态的联合估计与实验研究

针对动力锂电池常用的荷电状态(SOC)估计算法存在的扩展卡尔曼滤波法精度低、无迹卡尔曼滤波法收敛速度慢等问题,在动力锂电池的Randles等效模型的基础上,通过脉冲放电实验对模型参数进行辨识;并设计了一种基于迭代扩展卡尔曼滤波(IEKF)与无迹卡尔曼滤波(UKF)联合估计的SOC估计法。在电池实验平台上设计模拟工况实验,实验分析表明:该算法的SOC初值修正速度快于EKF和UKF,计算量比UKF小,且稳态误差不超过1.5%,相对扩展卡尔曼滤波(EKF)提高了40%,是一个收敛快、计算量少、静差小的迭代估计算法。     

基于载波异常监测的窃电行为判断方法研究

为解决反窃电中窃电报警准确性低、及时性差与取证难的问题,从现场电能计量装置异常工况特征分析入手,提出一种新的基于载波异常监测的窃电行为判断方法。依据电能统计理论把窃电方法划分成降低电压的欠压法、降低电流的欠流法和更改相位的移相法,依次分析三种窃电方法的特征,实现现场电能计量装置异常工况特征的提取。利用载波技术传输现场视频信息,以实现窃电现场视频取证及异常数据信息传送等问题为出发点,逐步研究分析,建立利用电力线载波进行视频信息传输中继与现取证的系统架构。将电力载波芯片LME2980看作载波通信模块的芯片,设计载波通信模块,介绍了载波通信方法。应用实例及性能测试结果表明,所提方法实用性强,解决了反窃电工作中最迫切与亟须解决的主要问题:(1)准确性(窃电不误报);(2)及时性(窃电立刻报);(3)有效性(解决取证难)。     

FMS状态监测与故障诊断集成系统研究

针对目前监测与诊断系统的不足，在分析ＦＭＳ多发性故障机理的基础上，提出了一种柔性制造环境下基于质量控制的状态监测与故障诊断集成系统的实现方法，着重介绍了监测与诊断策略，该系统经过实验验证，表明了其有效性与合理性。     

基于最小二乘法的锂离子电池参数辨识方法研究

目的 针对使用戴维南等效电路模型对锂电池进行参数辨识不够精确的问题,提出一种二阶 RC 等效电路模 型并对锂电池进行参数辨识。 方法 通过脉冲放电实验得到锂电池的相关数据,在 MATLAB 上使用最小二乘算法 对所建立的二阶 RC 等效电路进行参数辨识,并对不同 SOC(State of Charge)下锂电池各个参数的变化情况进行分 析,通过计算锂电池的端电压来判断参数辨识的精确度,最后将辨识结果与戴维南等效电路模型所辨识的结果进 行对比并分析。 结果 随着锂电池 SOC 下降,锂电池的各个参数会有轻微的波动,在锂电池的 SOC 处在较低的水平 时,锂电池的各个参数变化比较剧烈,这是由于锂电池的化学浓差极化所导致的,当将辨识的参数用来求解锂电池 的端电压时,随着时间的推移,发现锂电池的端电压的误差波动比较稳定,且最大误差不超过 0. 05 V,反观使用戴 维南等效电路模型求得锂电池的端电压误差波动比较大,且最大误差超过了 0. 08 V。 结论 在锂电池参数辨识上 二阶 RC 等效电路比戴维南等效电路更加准确,能够更好地描述锂电池的动静态特性,为后续对锂电池的荷电状 态估计提供了有力的基础。     

修正参数的安时法估算锂离子电池剩余电量

安时法是目前估算锂离子电池荷电状态(SOC)最常用的方法之一.由于安时法不能估计初始荷电状态(SOC0),且难于准确测量库仑效率和电池可用容量变化,会造成累计误差,影响SOC估算精度.考虑锂离子电池的可用容量会随环境温度、放电电流以及电池老化等性能影响,结合开路电压法和安时法,对比实验数据进行误差分析与校正,提出了一种提高SOC估算精度的修正参数方法.仿真结果表明,用修正参数的安时法估算电池剩余电量可以减少误差,提高精度.     

基于CNN-Transformer的锂离子电池健康状态估计

目的 健康状态是评估锂离子电池状态的关键参数,对锂离子电池的安全使用有着十分重要的意义,为了获得准确可靠的健康状态估计结果,建立基于卷积神经网络和Transformer的锂离子电池健康状态估计方法,利用不同模型的数据挖掘特性,将健康指标的深层信息和随循环周期增加的时序信息并行提取。方法 从锂离子电池放电过程中的部分电压和温度曲线中提取3个与健康状态相关性较强的健康指标作为模型输入,利用卷积神经网络强大的特征提取能力挖掘健康指标的局部特征,利用Transformer的顺序处理能力挖掘健康指标的时序特征,将健康指标的局部特征和时序特征进行特征融合,通过卷积和全局平均池化层输出健康状态估计值。结果 本研究使用MIT数据集进行实验验证,并与卷积神经网络和长短时记忆神经网络进行对比分析,所提出的方法的均方根误差和平均绝对误差是最低的,为0.11和0.08,最小相对误差为0.61%。结论 所提出的CNN-Transformer健康状态估计采用不同模型挖掘健康指标不同的特征信息,能够充分利用锂离子电池放电数据,且具有良好的估计效果。     

关于锂离子电池Thevenin模型的仿真研究

针对动力电池组运行时,内部的系统参数会随着环境因素和荷电状态(state-of-charge,SOC)发生动态改变,提出一种参数变化的Thevenin等效电路模型;从荷电状态是影响锂电池各参数特性的主要因素出发,将传统Thevenin模型中模拟各模块使用的不变参数用随着SOC变化的动态变量来表示; HPPC获取模型参数,电池仿真端电压基本上跟实际端电压波形吻合,且趋势大致相同;实验结果表明:在正常工作状态下,建立的模型可以有效地反应电池内部的工作特性,有着良好的精度。     

基于TCN编码的锂离子电池SOH估计方法

为了能够准确可靠地估计锂离子电池的健康状态（State of Health, SOH）,提出一种基于时序卷积网络（Temporal Convolutional Network, TCN）的数据驱动模型来建立电池充电曲线与SOH之间的映射关系.TCN是一种由多层因果卷积组成的神经网络,它能够对电池充电曲线上的采样点序列进行编码,通过编码得到的编码向量会更易于与SOH建立映射关系.实验结果表明所提基于TCN的SOH估计模型具有较高的估计精度,对不同种类的电池也有良好的适应能力.     

动力锂离子电池建模及其动态特性研究

由于动力锂离子电池管理系统设计及电池剩余电量预测依赖于电池等效电路模型的建立,在几种常见的动力锂离子电池等效电路模型分析与比较的基础上,通过对动力锂离子电池进行多次充放电实验,分析了动力锂离子电池的动态特性,提出了基于Thevenin等效电路模型的双电源模型;并辨识了模型的相关参数。运用Matlab/Siumlink仿真工具建立仿真模型,对双电源模型进行仿真验证,结果表明双电源模型可准确模拟动力锂离子电池的工作特性,为动力锂离子电池的高效管理奠定基础。     

锂离子电池电化学阻抗谱可靠性评价方法

锂离子电池电化学阻抗谱的可靠性是影响阻抗应用的关键,当电池处于非稳态时,利用阻抗谱解析得到的阻抗成分将无法与电池状态形成对应关系,进而导致不能正确估计电池状态.为了对电化学阻抗谱可靠性进行评价,引入了近似满足Kramers-Kroing变换关系的修正K-K电路,并基于此电路设计了评价方法,定义了拟合优度作为电化学阻抗谱可靠性表征量.最后通过实验证明了该方法对于准稳态和非稳态下的电化学阻抗谱有良好的辨识能力,为检验阻抗谱的有效性提供了有力手段.     

基于BCRLS-AEKF的锂离子电池荷电状态估计及硬件在环验证

研究有色噪声下的锂离子电池参数辨识与荷电状态(SOC)估计,并进行硬件在环实验验证.在动力电池模型的参数辨识过程中,利用带遗忘因子的偏差补偿递推最小二乘法进行偏差补偿,提高了有色噪声数据的参数辨识精度.在此基础上,利用自适应扩展卡尔曼算法进行SOC估计,使得滤波算法中的估计结果可以随着噪声统计特性的变化而自适应更新,实现了模型参数和电池状态的联合估计.最后,借助BMS测试系统模拟电池电压电流信息输出,完成了硬件在环实验以验证所提出的方法.实验结果表明,利用所提出算法估计得到的电池端电压和SOC误差分别小于10 mV和0.5%.     

基于融合方法预测锂离子电池剩余寿命

为了准确地预测锂离子电池剩余寿命,创新性地用无迹卡尔曼、遗传算法和粒子滤波算法融合得到的融合方法研究了锂离子电池剩余寿命预测。用无迹卡尔曼算法的滤波结果所构造的建议分布代替标准粒子滤波算法中的重要性密度函数,用遗传算法的选择、交叉和变异过程代替其重采样过程,将3种算法相融合,用于电池的剩余寿命预测。结果表明,相较于标准粒子滤波算法的估算结果,所提的融合方法有效地降低了粒子退化程度,并抑制粒子多样性丧失,其对电池剩余寿命预测的误差更小,更接近实际值。用该融合方法预测锂离子电池剩余寿命时有更高的精确性和适用性。     

动力锂电池变电阻均衡充电方法研究

针对动力锂电池组中单体电池之间电压不一致性,提出一种变电阻均衡充电方法。在分析了单体电池间电压不一致性的原因、设计数字可变电阻器和可变电阻仿真模型的基础上,采用Matlab/Simulink软件对可变电阻均衡充电进行仿真,根据电池端电压大小调节均衡电阻值。结果表明变电阻均衡控制可使电压误差控制在0.3 mV以内,有效的减小单体电池之间的不一致性、延长电池的使用寿命。