采用一種改進(jìn)的向量式遺忘因子最小二乘法（vector forgetting factor-least square,VFF-LS）作為城軌列車儲能元件參數(shù)辨識的方法。首先,對比分析了典型儲能電池相關(guān)等效電路模型,選取Thevenin等效電路模型降低參數(shù)辨識過程復(fù)雜度;其次,在傳統(tǒng)最小二乘法（least square,LS）參數(shù)辨識原理的基礎(chǔ)上推導(dǎo)出VFF-LS的儲能元件參數(shù)辨識方法;最后,采用上述方法對2種典型的城軌列車典型儲能元件電池組及單體進(jìn)行了參數(shù)辨識。結(jié)果表明,通過VFF-LS方法得到的參數(shù)辨識誤差均小于15 mV,低于傳統(tǒng)LS方法。所采用的方法在充分降低辨識過程復(fù)雜性的基礎(chǔ)上,能夠?qū)Σ煌愋偷碾姵剡M(jìn)行精確參數(shù)辨識,這將為城軌列車電池管理系統(tǒng)（battery management system,BMS）的設(shè)計(jì)提供有力支持。 

【文章來源】：武漢大學(xué)學(xué)報(bào)(工學(xué)版). 2020,53(06)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
1 動力電池模型
2 電池模型參數(shù)辨識方法
    2.1 遞推最小二乘法
    2.2 向量式多遺忘因子遞推最小二乘法
3 參數(shù)估計(jì)方法實(shí)驗(yàn)驗(yàn)證
    3.1 三元鋰電池參數(shù)辨識驗(yàn)證
    3.2 磷酸鐵鋰電池參數(shù)辨識驗(yàn)證
    3.3 并聯(lián)成組電池參數(shù)辨識驗(yàn)證
4 總結(jié)


【參考文獻(xiàn)】：
期刊論文
[1]充電模態(tài)下電動汽車動力電池模型辨識[J]. 劉偉龍,王麗芳,廖承林,王立業(yè).  電工技術(shù)學(xué)報(bào). 2017(11)
[2]一種改進(jìn)的VRLA電池SOC估算方法[J]. 季中生,李克儉,王汝鋼,蔡啟仲,黃世回,楊貴.  蓄電池. 2017(02)
[3]基于有限差分?jǐn)U展卡爾曼濾波的鋰離子電池SOC估計(jì)[J]. 劉艷莉,戴勝,程澤,朱樂為.  電工技術(shù)學(xué)報(bào). 2014(01)
[4]基于Vmin-EKF的動力鋰電池組SOC估計(jì)[J]. 劉新天,劉興濤,何耀,陳宗海.  控制與決策. 2010(03)

博士論文
[1]基于數(shù)據(jù)模型融合的電動車輛動力電池組狀態(tài)估計(jì)研究[D]. 熊瑞.北京理工大學(xué) 2014

碩士論文
[1]輕型電動車輛電池管理系統(tǒng)研究[D]. 雍加望.安徽農(nóng)業(yè)大學(xué) 2012
[2]純電動汽車用磷酸鐵鋰電池SOC估算的研究[D]. 侯幽明.安徽工程大學(xué) 2011



本文編號：3029888