基于向量式多遗忘因子最小二乘法的城轨列车储能元件充放电参数辨识

发布时间：2021-02-11 23:33

　　采用一种改进的向量式遗忘因子最小二乘法（vector forgetting factor-least square,VFF-LS）作为城轨列车储能元件参数辨识的方法。首先,对比分析了典型储能电池相关等效电路模型,选取Thevenin等效电路模型降低参数辨识过程复杂度;其次,在传统最小二乘法（least square,LS）参数辨识原理的基础上推导出VFF-LS的储能元件参数辨识方法;最后,采用上述方法对2种典型的城轨列车典型储能元件电池组及单体进行了参数辨识。结果表明,通过VFF-LS方法得到的参数辨识误差均小于15 mV,低于传统LS方法。所采用的方法在充分降低辨识过程复杂性的基础上,能够对不同类型的电池进行精确参数辨识,这将为城轨列车电池管理系统（battery management system,BMS）的设计提供有力支持。 

【文章来源】：武汉大学学报(工学版). 2020,53(06)北大核心

【文章页数】：7 页

【文章目录】：
1 动力电池模型
2 电池模型参数辨识方法
    2.1 递推最小二乘法
    2.2 向量式多遗忘因子递推最小二乘法
3 参数估计方法实验验证
    3.1 三元锂电池参数辨识验证
    3.2 磷酸铁锂电池参数辨识验证
    3.3 并联成组电池参数辨识验证
4 总结


【参考文献】：
期刊论文
[1]充电模态下电动汽车动力电池模型辨识[J]. 刘伟龙,王丽芳,廖承林,王立业.  电工技术学报. 2017(11)
[2]一种改进的VRLA电池SOC估算方法[J]. 季中生,李克俭,王汝钢,蔡启仲,黄世回,杨贵.  蓄电池. 2017(02)
[3]基于有限差分扩展卡尔曼滤波的锂离子电池SOC估计[J]. 刘艳莉,戴胜,程泽,朱乐为.  电工技术学报. 2014(01)
[4]基于Vmin-EKF的动力锂电池组SOC估计[J]. 刘新天,刘兴涛,何耀,陈宗海.  控制与决策. 2010(03)

博士论文
[1]基于数据模型融合的电动车辆动力电池组状态估计研究[D]. 熊瑞.北京理工大学 2014

硕士论文
[1]轻型电动车辆电池管理系统研究[D]. 雍加望.安徽农业大学 2012
[2]纯电动汽车用磷酸铁锂电池SOC估算的研究[D]. 侯幽明.安徽工程大学 2011



本文编号：3029888