← 返回
基于克拉美-罗界分析的电池/超级电容混合储能系统参数辨识与最大功率估计
Parameter Identification and Maximum Power Estimation of Battery/Supercapacitor Hybrid Energy Storage System Based on Cramer–Rao Bound Analysis
| 作者 | Ziyou Song · Jun Hou · Heath F. Hofmann · Xinfan Lin · Jing Sun |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2019年5月 |
| 技术分类 | 储能系统技术 |
| 技术标签 | 储能系统 储能变流器PCS 电池管理系统BMS 故障诊断 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 混合储能系统 参数辨识 最大功率估计 Cramer-Rao界 Fisher信息矩阵 状态监测 电池 超级电容器 |
语言:
中文摘要
本文针对电池/超级电容混合储能系统（HESS），提出了一种用于状态监测和最大功率估计的参数辨识方法。通过费舍尔信息矩阵分析，推导了考虑电压测量噪声下的参数辨识误差解析界，并进行了实验验证。
English Abstract
This paper presents the analysis, design, and experimental validation of parameter identification of battery/supercapacitor (SC) hybrid energy storage system (HESS) for the purpose of condition monitoring and maximum power estimation. The analytic bounds on the error of battery and SC parameter identification, considering voltage measurement noise, are obtained based on the Fisher information matr...
S
SunView 深度解读
该研究对于阳光电源的PowerTitan和PowerStack等储能系统具有重要价值。通过克拉美-罗界（CRB）分析优化参数辨识精度，可显著提升BMS对电池健康状态（SOH）和功率能力的评估准确性，从而优化PCS的充放电策略。在混合储能方案中，该技术有助于更精准地分配电池与超级电容的功率，延长系统寿命并提升响应速度。建议研发团队将其集成至iSolarCloud平台，利用高精度辨识算法实现储能电站的精细化运维与故障预警，增强产品在调频等高频应用场景下的核心竞争力。