编辑：济源矿用变压器厂家 日期：2019-01-11 人气：400
济源矿用变压器用NiMH电池组剩余容量的非线性自回归滑动平均预测 核心提示： 蓄电池作为电动汽车的储能动力源，要求有高的比能量（满足续航里程的要求）、高的比功率（满足加速与爬坡性能要求）和高的充放电效率。目前电动汽车所用的动力电池主要有铅酸电池、镍氢电池、锂离子电池，其中镍蓄电池作为电动汽车的储能动力源，要求有高的比能量（满足续航里程的要求）、高的比功率（满足加速与爬坡性能要求）和高的充放电效率。目前电动汽车所用的动力电池主要有铅酸电池、镍氢电池、锂离子电池，其中镍氢电池具有良好的综合性能。准确和可靠地获得电池荷电状态（stateofcharge，SOC）是电池管理系统的主要任务之一，因为SOC直接反映了电池所处的状态。对蓄电池剩余电量的准确测量一直是电动汽车发展中的一个至为关键的问题。
电池荷电状态SOC表示电池目前剩余电量与电池总容量之比。电动汽车运行中负载是变化的，放电电流是时变电流，因此需要用到Peukert公式进行修正。故在实际中荷电状态可表示为电池充放电时，其内部的电化学过程是一个对环境敏感的复杂的非线性动态过程，很难用一个简单的数学模型来精确描述它的特性。
本文针对联邦城市行驶工况（FUDS），应用一种非线性自回归平均滑动（NARMAX）模型线性简化逼近的辨识方法，对济源矿用变压器用Ni/MH电池组剩余容量其中：Qm为电池标称容量，i（t）为电池在t时刻的电流，n为库仑效率。
蓄电池的SOC是通过对电池外特性一电压、电流、温度、充放电倍率、循环工作次数等参数的检测来进行推断的。
模型辨识的要求是：在给定不同的工作电压、电基金项目：中国科技部星火计划资助项目（2006EA105003）。
流、温度等因素下，能够动态地模拟出SOC的变化轨迹。
非线性自回归滑动平均（NARMAX）模型是Bili-ings等于1982年提出的，并于1985年1989年基于Nerode的有限实现理论及泰勒定理对该模型描述的一般非线性系统的普适性给予了证明。该模型具有逼近精度高、结构简单、收敛速度快等优点。对非线性系统可以很好地描述和辨识。
NARMAX模型用非线性差分方程的形式表述如下：y（k），u（k），e（k）分别是系统的输出、输入和噪声；ny，nu，分别是输出、输入和噪声的最大延迟，d是采样延迟，Fl（。）是非线性函数。
因此，一个r维输出维输入的多维NARMAX模型可展开为：对于非线性多入单出系统，可以简化为对式（4）可建立矩阵矿用变压器形式的线性模型为回归项；为辨识参数；为模型误差。
因此，通过简化，一个非线性辨识问题转换为一个线性参数估计问题。常用的最小二乘算法就可以非常有效地完成式（5）中的参数估计。
当使用递推最小二乘算法（RLS）时，可以实现系统的在线辨识。常用的递推算法公式为：本文在保证温度等因素不变的情况下，考虑工作电压与电流对SOC的影响，把其他对蓄电池容量的影响因素作为系统噪声，在有测量噪声环境中对蓄电池的荷电状态进行实时估计。
选择前5500个点的值建立模型，为辨识所输入的45005500点的电流、电压、随机噪声及输表1NARMAX辨识模型结果回归项辨识参数标准偏差同时采用递推最小二乘法（RLS）对参数估计的收敛曲线如所示，可看到RLS有较好的收敛性能。是预测输出与测量输出的比较图。从可以看出很好地实现了SOC辨识预测，模型适应度达到99.65%.同时，为了评价辨识结果，验证模型的有效性和可靠性，分别做出了残差的自相关曲线图和预测误差图，分别如和所示。
得到相对误差仅为1%，优于其他方法预测的相在本辨识预测中，分别取不同的样本进行验证，在先验信息不足的情况下，该方法依然高效可靠。
目前国内外研究对SOC估计大多采用放电实验法、Ah计量法、开路电压法、神经网络法、卡尔曼滤波法等。其中开路电压法和放电实验法在实验室使用较多，开路电压法用于粗略估计试验前电池SOC，放电实验法用于电池使用后剩余电量的精确计算。神经网络具有非线性的基本特性，具有并行结构和学习能力，能够模拟电池动态特性，用以估计电池SOC.神经网络输入变量的选择是否合适，变量数量是否恰当，直接影响模型的准确性和计算量。
但是缺点是其需要大量的数据进行训练，估计误差受训练数据和训练方法的影响很大。卡尔曼滤波法适合于电流变化剧烈的电池SOC的估计，但是卡尔曼滤波法涉及大量的矩阵运算，缺点在于对电池模型准确性和计算能力要求很高。王军平等利用单变量的镍氢电池组状态空间模型，基于卡尔曼滤波对电池SOC估计的最大相对误差为2.15%.ae-moonLee等采用降阶扩展卡尔曼滤波方法以节约计算时间，其SOC评估误差小于2%.而NARMAX方法对SOC的预测是一种全新的探究，结果证明是简单、有效的。
通过以上验证分析表明，使用NARMAX的非线性系统动态线性逼近的简化模型，对电池的SOC进行预测是一种可行的方法，并可达到很高的精度。该方法具有很好的动态跟踪性能、较强的鲁棒性和克服外扰能力，而且算法简单，易于实现，具有很好的工程实用价值。同时，利用递推最小二乘算法可以非A常方便地实现系统的在线辨识预测。
郭桂芳等：济源矿用变压器用Ni/MH电池组剩余容量的非线性自回归滑动平均预测
上一个： A类别瞬变抑制器 下一个： 混合式济源矿用变压器非线性仿真模型的精确化
