亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于雙時(shí)間尺度擴(kuò)展卡爾曼粒子濾波算法的電池組單體荷電狀態(tài)估計(jì)

        2018-08-17 00:50:56劉征宇王雪松黎盼春
        中國機(jī)械工程 2018年15期
        關(guān)鍵詞:差異模型

        劉征宇 湯 偉 王雪松 黎盼春

        1.合肥工業(yè)大學(xué)機(jī)械工程學(xué)院,合肥,230009

        2.安全關(guān)鍵工業(yè)測(cè)控技術(shù)教育部工程研究中心,合肥,230009

        0 引言

        電池荷電狀態(tài)(state-of-charge,SOC)估算對(duì)于電動(dòng)汽車意義重大。目前常用的SOC估計(jì)算法主要有電流積分法[1]、放電試驗(yàn)法、開路電壓法、負(fù)載電壓法、電化學(xué)阻抗譜法、內(nèi)阻法、神經(jīng)網(wǎng)絡(luò)法和基于電池模型的卡爾曼濾波算法[2-3]以及狀態(tài)觀測(cè)器方法[4]等。近年來,出現(xiàn)了自適應(yīng)無跡卡爾曼濾 波[5](adaptive unscented Kalman filter,AUKF)、魯棒卡爾曼濾波[6](robust extended Kalman filter,REKF)等改進(jìn)的卡爾曼濾波算法,以及改進(jìn)的觀測(cè)器算法,包括H∞觀測(cè)器算法[7]、自適應(yīng)Luenberger觀測(cè)器算法[8]及 PI觀測(cè)器算法[9]等。但以上方法主要研究如何對(duì)單個(gè)電池進(jìn)行精確的SOC估計(jì),而實(shí)際應(yīng)用中電池組中電池單體由于制造工藝的不一致和使用環(huán)境的不一致,或多或少會(huì)導(dǎo)致單體間SOC的不一致[10]。在電池組單體SOC不一致時(shí),如果使用以上方法則只能對(duì)電池組單體SOC進(jìn)行逐個(gè)估計(jì),從而導(dǎo)致計(jì)算復(fù)雜度太高。

        針對(duì)電池組各單體的SOC估算問題,文獻(xiàn)[11]首先提出了一種將單體SOC分為電池組平均SOC和各單體差異SOC,并對(duì)平均SOC和差異SOC分別進(jìn)行估算,最終將得到的平均SOC值與差異SOC值相加,即可得到各單體SOC值。這種方法相對(duì)于逐個(gè)對(duì)電池組單體SOC進(jìn)行估計(jì)的方法,很大程度上簡(jiǎn)化了計(jì)算復(fù)雜度。但是該文獻(xiàn)沒有提出具體的算法流程,實(shí)用性較差。文獻(xiàn)[12]基于一個(gè)篩選過程來實(shí)現(xiàn)電池組各單體間的一致性,但在實(shí)際使用過程中,電池組單體不一致性會(huì)逐漸顯現(xiàn),只能解決電池組單體初期的SOC估算問題。文獻(xiàn)[13]首先建立分頻模型,然后采用奇異值分解(singular value decomposition,SVD)來簡(jiǎn)化求解。該方法能對(duì)電池組單體SOC進(jìn)行精確估計(jì),但其精確估計(jì)范圍較小。

        粒子濾波技術(shù)[14]基于統(tǒng)計(jì)學(xué)來解決模型中非線性引起的誤差,但粒子濾波算法可能會(huì)出現(xiàn)粒子不足的現(xiàn)象,且對(duì)模型依賴性強(qiáng)。擴(kuò)展卡爾曼粒子濾波(extended Kalman particle filter,EKPF)算法利用擴(kuò)展卡爾曼濾波(EKF)算法對(duì)每個(gè)粒子進(jìn)行更新,將最后得到的近似后驗(yàn)密度作為重要密度函數(shù),并將最新觀測(cè)值引入,可降低粒子退化的概率,進(jìn)而提高粒子濾波算法的估計(jì)精度[15]。

        為實(shí)現(xiàn)對(duì)電池組各單體在實(shí)際應(yīng)用中全SOC范圍內(nèi)的SOC精確估計(jì),本文選用鋰電池作為研究對(duì)象。首先根據(jù)鋰電池增強(qiáng)自校正(enhance self correcting,ESC)模型推導(dǎo)出電池組平均模型和各單體的差異模型,然后根據(jù)EKPF算法實(shí)現(xiàn)對(duì)電池組平均狀態(tài)和各單體差異狀態(tài)的精確估算,并且為了降低計(jì)算復(fù)雜度,設(shè)計(jì)了基于雙時(shí)間尺度EKPF的電池組單體SOC估計(jì)流程。

        1 電池組平均模型與各單體差異模型

        對(duì)單體鋰電池進(jìn)行建模,得到相應(yīng)的ESC模型[16]如圖1所示,該模型能較全面地體現(xiàn)鋰電池的動(dòng)態(tài)特性。

        使用等效電路模型來描述鋰電池組單體電池的工作特性,其中,Ek代表電池k時(shí)刻的開路電壓;hk代表電池k時(shí)刻的遲滯電壓;yk為k時(shí)刻的負(fù)載電壓;R0為電池的歐姆內(nèi)阻;R1、R2為極化內(nèi)阻;C1、C2為模擬電池極化的電容;ik為k時(shí)刻的放電電流。模型使用了兩個(gè)RC電路環(huán)節(jié),來模擬電池的極化效應(yīng)。

        本文對(duì)串聯(lián)鋰電池組進(jìn)行研究。由于電池組中的單體電池是串聯(lián)的,所以所有單體的電流相等,均為ik。電池單體放電時(shí)電流積分法離散形式如下:

        圖1 ESC模型Fig.1 ESC model

        由式(1)得到SOC平均狀態(tài)方程:

        式中,zˉk為電池組所有單體在k時(shí)刻的SOC均值。

        對(duì)于鋰電池模型,根據(jù)基爾霍夫電壓定律和基爾霍夫電流定律,有

        離散化式(3)、式(4)得

        鋰電池遲滯電壓離散形式如下:

        式中,r為調(diào)整衰減速率。

        由式(8)可得平均遲滯電壓

        由式(6)、式(7)可得平均極化電壓狀態(tài)方程:

        (1)電池組平均模型。由式(2)、式(10)~式(12)得到電池組平均狀態(tài)方程:

        對(duì)應(yīng)的觀測(cè)方程為

        (2)單體差異模型。各單體電池的差異SOC值定義如下:

        差異SOC值狀態(tài)方程為

        對(duì)應(yīng)的觀測(cè)方程為

        式中,αt為單體電池模型中的系統(tǒng)噪聲;βt為單體電池模型中的觀測(cè)噪聲,它們均為高斯白噪聲。

        2 基于EKPF的電池組單體SOC估計(jì)算法

        由于電池組平均模型和各單體差異模型的觀測(cè)方程是非線性的,故為實(shí)現(xiàn)對(duì)各單體差異狀態(tài)和電池組平均狀態(tài)的精確估計(jì),本文選用EKPF算法對(duì)鋰電池組平均SOC值和各單體差異SOC值進(jìn)行估計(jì)。

        非線性系統(tǒng)如下:

        式中,xp為p時(shí)刻系統(tǒng)的狀態(tài)矢量;yp為p時(shí)刻系統(tǒng)的觀測(cè)值;f(xp)、g(xp)為非線性函數(shù);wp、vp分別為系統(tǒng)噪聲及觀測(cè)噪聲,它們均為高斯白噪聲,wp~N(0,Q),vp~N(0,R);Q為系統(tǒng)噪聲方差;R為觀測(cè)噪聲方差。

        EKPF算法步驟如下:

        (1)根據(jù)初始概率分布P(x0)產(chǎn)生N個(gè)粒子樣本,i=1,2,…,N,N個(gè)粒子之間的協(xié)方差定義為

        對(duì)于電池組平均模型,根據(jù)式(13)得EKF算法中的狀態(tài)轉(zhuǎn)移矩陣為

        其EKF算法中的測(cè)量矩陣為

        對(duì)于電池組第m個(gè)單體差異模型,其EKF算法中的狀態(tài)轉(zhuǎn)移值A(chǔ)t=1,其EKF算法中的測(cè)量矩陣為

        (3)更新權(quán)重,權(quán)重歸一化。由測(cè)量結(jié)果y?p計(jì)算粒子的后驗(yàn)概率:

        對(duì)于電池組平均模型,觀測(cè)噪聲方差R為bk的方差,對(duì)于電池組單體,R為βt的方差。對(duì)權(quán)重歸一化得

        若Neff<Nthreshold(Nthreshold為粒子數(shù)閾值),則進(jìn)行重采樣,重采樣后的權(quán)重為1 N。

        (5)求解p時(shí)刻狀態(tài)的后驗(yàn)概率估計(jì):

        (4)計(jì)算有效粒子數(shù)目Neff:

        (6)p←p+1,返回步驟(2)。

        3 基于雙時(shí)間尺度EKPF的鋰電池組單體SOC估計(jì)流程

        圖2 雙時(shí)間尺度EKPF算法流程圖Fig.2 Dual time-scale EKPF algorithm flow chart

        如圖2所示,估算開始時(shí)先估算第1個(gè)單體差異SOC值和此時(shí)的電池組平均SOC值。估算完后再繼續(xù)估算下一個(gè)單體的差異SOC值和此時(shí)的電池組平均SOC值,直至所有單體的差異SOC值估算完成。當(dāng)對(duì)電池組各單體全部估算完成后,繼續(xù)進(jìn)行下一次估算。當(dāng)估算到第m個(gè)單體時(shí),其時(shí)間尺度關(guān)系如下:

        k=Mt+m

        當(dāng)完成一次對(duì)所有單體的估算時(shí),得到每個(gè)單體的差異SOC值和M個(gè)時(shí)刻的平均SOC值。最終根據(jù)下式得到各個(gè)單體在這M個(gè)時(shí)刻的SOC值:

        通過雙時(shí)間尺度的算法可實(shí)現(xiàn)對(duì)估算資源的合理利用,降低計(jì)算復(fù)雜度。

        4 實(shí)驗(yàn)

        為驗(yàn)證本文中算法的可靠性,對(duì)12節(jié)鋰電池串聯(lián)組成的電池組在變電流工況下進(jìn)行實(shí)驗(yàn),電池單體額定電壓為3.2 V。放電電流如圖3所示,在恒溫25℃條件下放電5.1 h。模型參數(shù)以及算法初始參數(shù)如表1所示。

        圖3 放電電流隨時(shí)間分布情況Fig.3 Discharge current distribution over time

        表1 參數(shù)初值Tab.1 Parameter initial value

        將通過采用安時(shí)計(jì)量法得到的SOC值作為本文SOC估計(jì)的參照標(biāo)準(zhǔn)。實(shí)驗(yàn)中,電池組平均模型粒子數(shù)設(shè)為200,差異模型粒子數(shù)設(shè)為50。電池組平均模型系統(tǒng)噪聲和觀測(cè)噪聲的方差分別取10-8、10-5;電池組差異模型系統(tǒng)噪聲和觀測(cè)噪聲的方差分別取10-10、10-8。根據(jù)本文雙時(shí)間尺度EKPF算法得到各單體的SOC估算值如圖4、圖5所示。

        圖4 1至6號(hào)電池在雙時(shí)間尺度EKPF算法下的SOC估算情況Fig.4 The SOC of cell 1~6 in dual time-scale EKPF algorithm

        圖5 7至12號(hào)電池在雙時(shí)間尺度EKPF算法下的SOC估算情況Fig.5 The SOC of cell 7~12 in dual time-scale EKPF algorithm

        將本文中的EKPF算法換成EKF算法,采用雙時(shí)間尺度EKF算法對(duì)電池組各單體SOC進(jìn)行估算,同時(shí)采用基于ESC模型的EKF算法對(duì)電池組各單體進(jìn)行逐個(gè)估算,并將以上估算方法估算結(jié)果與雙時(shí)間尺度EKPF算法進(jìn)行比較。為對(duì)估算誤差進(jìn)行定量分析,首先定義均方誤差

        式中,e(m)為第m個(gè)單體的均方根誤差;Te為實(shí)驗(yàn)中對(duì)第m個(gè)單體估算的總次數(shù);為對(duì)第m個(gè)單體第i次根據(jù)積分法所得的SOC參考值為第i次對(duì)第m個(gè)單體估算得到的SOC估計(jì)值。

        對(duì)12節(jié)單體電池采用雙時(shí)間尺度EKPF和采用雙時(shí)間尺度EKF的估算誤差進(jìn)行定量分析,得均方誤差結(jié)果如圖6所示。

        由圖6可知,雙時(shí)間尺度EKPF算法能有效對(duì)電池組單體SOC進(jìn)行估算,且采用雙時(shí)間尺度EKPF算法比采用雙時(shí)間尺度EKF算法和EKF算法對(duì)SOC估計(jì)的均方根誤差小,說明了EKPF算法有效修正了模型的非線性誤差,進(jìn)一步提高了電池組單體SOC估算精度。

        圖6 12節(jié)電池單體的SOC估算均方誤差Fig.6 Mean square error of the 12 cell SOC estimation

        5 結(jié)語

        本文首先對(duì)鋰電池組單體進(jìn)行建模,根據(jù)模型得出電池組SOC平均模型和各單體SOC差異模型,并針對(duì)電池組SOC平均模型和各單體SOC差異模型設(shè)計(jì)了具體的雙時(shí)間尺度EKPF算法及具體的算法流程,最后根據(jù)算法流程對(duì)12節(jié)電池單體進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,雙時(shí)間尺度EKPF算法能有效估計(jì)電池組各單體SOC,且相對(duì)于雙時(shí)間尺度EKF算法和EKF算法具有更高的電池組單體SOC估算精度。

        今后,可對(duì)EKPF中粒子數(shù)的選擇進(jìn)行細(xì)化研究,在滿足電池組單體SOC估計(jì)精度要求的同時(shí),選擇合適的粒子數(shù)以盡可能降低計(jì)算復(fù)雜度。另外,新能源汽車電池管理系統(tǒng)中,SOC估算常受到噪聲干擾,研究如何在噪聲干擾情況下,克服因噪聲干擾造成的電池組單體SOC估計(jì)精度下降問題將是未來研究的難點(diǎn)。

        猜你喜歡
        差異模型
        一半模型
        相似與差異
        音樂探索(2022年2期)2022-05-30 21:01:37
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        找句子差異
        DL/T 868—2014與NB/T 47014—2011主要差異比較與分析
        生物為什么會(huì)有差異?
        3D打印中的模型分割與打包
        FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
        M1型、M2型巨噬細(xì)胞及腫瘤相關(guān)巨噬細(xì)胞中miR-146a表達(dá)的差異
        亚洲AV无码久久精品国产老人| 黑人巨茎大战俄罗斯美女| 蜜桃无码一区二区三区| 亚洲第一网站免费视频| 日韩国产自拍精品在线| 伊人久久大香线蕉av最新午夜| 好大好湿好硬顶到了好爽视频 | 国产精品日韩经典中文字幕| 中文字幕久久熟女蜜桃| 国产麻无矿码直接观看| 亚洲无码激情视频在线观看| 色婷婷亚洲精品综合影院| 日本成本人片视频免费| 性xxxx视频播放免费| 亚洲中文无码精品久久不卡| 国产日产韩国级片网站| 特黄大片又粗又大又暴| 亚洲国产无线乱码在线观看| 日本草逼视频免费观看| 我要看免费久久99片黄色| 中国丰满熟妇xxxx性| 欧美一级在线全免费| av一区二区三区高清在线看| 日韩av在线播放人妻| 亚洲国产精品久久久久婷婷老年| 亚洲 国产 哟| 国产少妇露脸精品自拍网站| 极品人妻被黑人中出种子| 亚洲男人的天堂在线播放 | 国产精品视频一区二区噜噜| 无码91 亚洲| 国产女主播一区二区久久| 亚洲一区 日韩精品 中文字幕 | 手机免费日韩中文字幕| 日本一区二区精品高清| 午夜精品久久久久久| 亚洲一区二区三区精品网| 一区视频免费观看播放| 久久精品国产亚洲av无码娇色| 中文字幕精品亚洲人成| 亚洲三区av在线播放|