不同放电倍率下的锂电池欧姆内阻测试分析

以常用磷酸铁锂电池为研究对象,分析了电池欧姆内阻特性在不同放电倍率下的变化关系。通过混合脉冲功率特性(Hybrid Pulse Power Characteristic,HPPC)实验法,分析获得了电池欧姆内阻与放电倍率和荷电状态(State of Charge,SOC)之间的关系。研究结果表明,相同放电倍率下,电池欧姆内阻随着电池SOC的减小而增大;相同电池SOC状态下,电池欧姆内阻随着放电电流的增大而增大,从而明确了电池欧姆内阻受放电倍率和SOC共同影响。     

钴酸锂电池性能研究

钴酸锂电池比能量高,循环寿命长,是一些便携式电子设备电源的首选。为了进一步了解钴酸锂电池的性能,以3.6V/2.2Ah钴酸锂电池为实验对象,对电池的基本性能进行了研究。首先,进行了容量实验,研究了电池在不同倍率下的放电特性;其次,利用静置法研究了电池的充放电平衡电势(Electro motive force,简称EMF),分析了电池的平衡电势曲线;最后,得到了电池在不同SOC下的充放电欧姆内阻、极化内阻和总内阻,发现当SOC0.1时,内阻变化较大,当0.1SOC1.0时,内阻变化较小。     

单体电压不一致性对锂电池储能系统容量衰减的影响

电池的不一致性是指同一规格、同一型号的电池在电压、内阻、容量等方面的参数差别。其中,电压不一致性的表现相对直观,也容易被测量。在MW级电池储能电站中,需要通过串并联成组来满足储能系统的电压等级和容量需求,电池单体数量高达几万节,而单体电池不一致性的存在,将不可避免地影响储能系统整体性能。针对200 kW/200(kW·h)锂电池储能系统和250 kW/1(MW·h)锂电池储能系统在不同时间阶段进行容量标定实验,经过长期运行后,分析单体电池电压不一致性对电池系统容量衰减的影响。结果显示:经过2年的运行,250 kW/1(MW·h)锂电池储能系统充电性能衰减了4.24%,放电性能衰减了2.6%,单体电压不一致性变化不大,而200 kW/200(k W·h)锂电池储能系统充电性能衰减了25.976%,放电性能衰减了27.120%,说明具备充放电均衡控制策略的锂电池储能系统能够很好地改善单体电压不一致性变化;250 kW/1(MW·h)储能系统已累计运行相当于100%DoD(depth of diacharge)充电27.11次,相当于100%DoD放电23次,充放电次数是造成该储能系统容量衰减的主要原因。     

车用三元锂离子动力电池内阻特性分析

电池内阻特性影响电池的输出功率,是电池状态估计与管理需要重点关注的参数之一。对某款车用三元锂离子动力电池的内阻特性进行了系统的分析,分别研究了SOC、温度和放电倍率对放电内阻的影响,并基于电池内部电化学工作过程,提出了描述电池放电内阻随放电倍率变化的公式。     

基于双回路SOC调节的风电场功率平滑控制策略

针对风电并网发电系统的功率波动问题,本文研究了一种基于双回路SOC调节的混合储能系统风电场功率平滑控制策略。对含有全钒液流电池和锂电池的混合储能系统,通过双回路SOC调节控制,合理分配锂电池和液流电池的实际输出功率,并实时更新混合储能的荷电状态。该控制策略实现了风电有功功率的平滑需求,并且使锂电池和全钒液流电池的SOC值稳定在安全范围内,可以有效减少锂电池的充放电次数,达到保护电池的目的。通过仿真实验,验证了该控制方法的有效性。     

航空锂离子电池内阻测试研究

以航空钴酸锂离子电池为研究对象,通过混合脉冲功率特性测试方法来测试钴酸锂离子电池在不同温度和SOC状态下内阻变化规律。通过数据计算出钴酸锂离子电池的欧姆内阻和极化内阻,并分析现象产生的原因。研究表明:在相同温度下钴酸锂电池的SOC处于20%~90%范围内极化内阻波动很小,可视为定值。当电池处于相同的SOC下,随着环境温度降低特别是低于10℃时,极化内阻上升显著。当电池处于相同温度下时,当温度低于10℃时,随着SOC的减小钴酸锂电池欧姆内阻上升显著。得出结论是钴酸锂离子电池的极化内阻对温度变化敏感,而欧姆内阻对SOC变化敏感。钴酸锂离子电池的内阻特性变化规律为在线SOC估算提供研究基础和依据。     

利用信息融合技术的储能锂离子电池组SOC估算

在电池储能系统的实际工程中,电池组荷电状态(state of charge,SOC)估算精度越来越受重视。电池组容量、运行环境、循环时间和充放电倍率等都将影响电池组的SOC估算精度,采用单一的电池模型和数据模型很难获得准确的SOC。提出了一种基于信息融合技术的锂离子电池SOC估算方法,主要基于开路电压(open circuit voltage,OCV)-SOC曲线进行。根据锂离子电池运行特性,把OCV-SOC曲线空间划分为锂电池稳定运行区间、识别校正区间、过充区间和过放区间,并据此重新定义锂离子电池运行模式。然后根据其运行模式,在不同运行区间内对锂电池的估算模型进行切换和优化。采取基于信息融合的SOC估算方法,不断修正消除估算模型在运行状态下产生的各种误差,得到较为精确的SOC估算值。最后搭建实验平台,以某储能电站的实际储能工况对该算法进行实验验证,结果表明,上述SOC估算算法在实际锂电池储能系统应用中具有较强的可行性和实用性。     

电动汽车磷酸铁锂电池最佳SOC工作区研究

磷酸铁锂电池由于寿命长、安全性能好、成本低,已经成为电动汽车的理想动力源和能量源。电池的荷电状态(SOC)是影响电池性能及使用寿命的主要因素之一,以10 Ah磷酸铁锂电池单体为研究对象,对其开路电压、极化电压、电池内阻进行了实验研究。结果表明,当电池单体SOC在20%~90%时,磷酸铁锂电池的电压和内阻变化平稳,确定为电池的最佳工作区。     

基于修正卡尔曼滤波SOC估算的锂电池变参数模型

现有电网侧储能系统在参与区域互联电网二次调频任务的过程中,由于其响应速率快、运行时间长,故需要建立一种能反映短时储能极化且长时运行下电池电荷状态（SOC）估算准确的电池模型。为此,本文利用自变量SOC与锂电池内部各项应变量参数的关系,提出了一种动态变参数锂电池的建模方法。首先对单体锂电池状态方程进行离散化得到参数可变的动力电池（PNGV）模型;然后采用典型储能单元级联方案对单体电池进行扩容,最后利用修正卡尔曼滤波法对模型中的SOC估算方法进行改进;最后利用MATLAB/ Simulink软件设计电池储能系统间歇性充放电实验,并在二次调频工况下对比了不同储能单元模型的差异。结果表明:本文可变参数模型在拟合实验中误差不超过1.4%,SOC估算在长时间运行工况仿真中精度比传统估算提高9.7%。本文为研究储能参与二次调频相关控制策略提供了更为精确的锂电池模型。     

不同连接方式对锂电池直流内阻测试的影响

内阻是评价电池性能的重要指标之一,锂电池的直流内阻通常是毫欧级别的,因此准确测量电池的直流内阻非常重要.测试受环境温度、测试时电流倍率、SOC(荷电状态)、测试设备与电池连接方式等各种因素的影响,但是测试设备与电池的连接方式对直流内阻的影响几乎没有报道.不同的连接方式测试出的结果差别非常大,因此如何正确的连接电池与测试设备对直流内阻的测试结果有至关重要影响.本文以方形磷酸铁锂电池为研究对象,分析了锂电池与测试设备之间不同的连接方式对直流内阻测试的影响.研究了测试设备电流采集线、电压采集线分别连接在锂电池极耳同侧及异侧的不同方式,结果表明:测试设备电缆线分居在电池极耳上下异侧的连接方式是最优的,在该种连接方式下,测试结果重复性好、准确性高,极大提高了锂电池直流内阻测试的可靠性.     

锂离子电池荷电贮存性能的研究

将锂离子电池在不同荷电状态(SOC)下贮存,对贮存前后的电池性能进行了测试;对在不同SOC下贮存对电池性能的影响进行了研究,结果发现:电池进行长期贮存时,电池电压在3.80 V左右,电池的综合性能最好;当电池电压超过3.90 V时,对电池的容量、内阻、平台和循环寿命都会产生不利影响;而电池在完全放电态或过低SOC下贮存,电池的循环性能略有下降,电池不能立即使用,且容易出现过放电.     

锂离子电池的长期荷电贮存性能

将锂离子电池在常温下以不同的荷电态(SOC)长期(5-10 a)贮存,对贮存前后的电池性能进行测试.长期贮存后,电池的内阻增加,10 a贮存后的内阻平均增加率高达79.95%,聚合物锂离子电池的内阻增加稍低.锂离子电池长期贮存后,容量恢复性能较好,10 a贮存容量平均恢复率可迭88%.长期贮存对电池的容量、平台和循环寿...     

典型蓄电池的建模与荷电状态估算的对比研究

研究不同蓄电池荷电状态(state of charge,SOC)的变化特征有助于在实际应用过程中对蓄电池类型进行选择。基于铅酸电池、磷酸铁锂电池、全钒液流电池3种典型蓄电池模型,采用电池容量修正过的改进安时计量法和改进安时-卡尔曼预测法(Ah-Kal法),对各电池在不同充放电模式下,用MATLAB软件编程得到两种估算方法下的SOC变化曲线。通过SOC对比曲线可以发现铅酸电池的自放电较严重,循环寿命短;磷酸铁锂电池可迅速提供大功率;而全钒液流电池适合作为长期大容量储能支持。同时,改进安时计量法和Ah-Kal的估算结果基本相同,验证了Ah-Kal法的正确性。     

钴酸锂智能电池管理系统的FPGA实现

针对飞行器地面控制设备锂离子电池组的智能管理系统实现复杂、可靠性差问题,研究了基于FPGA的结构简单、可靠性高的锂离子电池智能管理系统。该智能电池管理系统的被动平衡管理模块能自动处理电池过冲过放问题,提供精准的满电停充标志;采用改进的安时积分法进行SOC测量,充分考虑电池的老化情况。经试验测试,智能电池管理系统的SOC模块能够达到专业的电池管理芯片容量测算精度,平衡管理模块能够有效延长电池使用时间,有效抑制过冲。     

锂离子电池自放电的研究

采用三电极的方法分别通过分析锂离子电池正负极的电位变化来研究电池的自放电.锂离子电池存储过程中的自放电的影响因素主要有：存储温度和存储时电池的充电状态,温度越低,电池的充电状态越低（但电压范围有限制：3.8～4.2V）自放电越小.电池充放电过程中的自放电主要是由两部分组成,一是电池内部的副反应;二是内部微短路.内部微短路是由极片表面的颗粒及阴极极片边缘的金属毛刺所引起的电池内部微短路造成的.减小这些影响因素,可以降低电池的自放电.     

基于退役动力电池储能的光储微网系统

锂电池作为光储微网的储能电池,能够提高光伏发电系统的稳定性,改善电能质量,但成本高昂。将电动汽车的退役动力锂电池用于光储微网的储能单元,不仅可以降低投资成本,还可以缓解大批量电池进入回收阶段的压力。首先基于锂电池的工作原理,构建了退役动力锂电池的等效电路模型。接着建立了储能变流器和多重双向DC/DC变换器级联拓扑,储能变流器采用电压外环、电流内环的双闭环策略,稳定直流母线的电压;多重双向DC/DC变换器采用以电池组的荷电状态(SOC)为约束条件的双闭环控制策略,平抑光伏发电系统的功率波动。最后搭建了基于退役锂电池储能的光储微网系统,验证了控制策略的有效性。     

基于析气现象的锂电池系统建模

基于析气现象和热力学原理对锂电池系统在临界和非临界情况下的动力学特性进行了较为细致的研究,建立了以荷电状态(SOC,State of Charge)、温度、开路电压和内阻为状态变量的系统动力学模型并应用Matlab/Simulink软件实现了相应的动态仿真。仿真结果表明,该模型不仅能反映锂电池在非临界情况下的动力学特性,而且在一定程度上还能较为准确地描述临界情况的非线性动力学特性。     

基于神经网络的磷酸铁锂电池SOC预测研究

利用神经网络进行了电动汽车用的磷酸铁锂（LiFePO4）电池荷电状态（state of charge,SOC）预测研究。在分析磷酸铁锂电池充放电机理的基础上,采用levenberg-marquardt（LM）算法建立了磷酸铁锂电池的BP（back propagation）神经网络模型,并进行了电池SOC值的预测。结果表明,基于神经网络的电池SOC预测方法具有较高的精度,可用来预测磷酸铁锂电池的SOC值。     

基于DAUKF的锂电池SOC值和SOH值的估算研究

为提高锂离子电池荷电状态(state of charge,SOC)值和健康状态(state of health,SOH)值的估算精度,基于二阶戴维南等效电池模型,提出双自适应无迹卡尔曼滤波(double adaptive unscented Kalman filter,DAUKF)算法。通过AUKF1和AUKF2这2个滤波器,可以同时计算出电池的SOC值和电池内阻,内阻既可以更新电池的模型参数,又可依靠函数关系,估算出电池的SOH值。仿真结果表明,DAUKF能够准确估算出SOC值和SOH值,精度保持在2%以内,由此验证了该方法的可行性和精确性。     

基于谐波阻抗测量在线估测蓄电池荷电状态

现行内阻法估测蓄电池荷电状态时,需要对被测蓄电池实施大电流放电操作以测量其欧姆内阻,在线检测时可能对用电负载造成安全隐患。针对这一问题,提出一种基于谐波阻抗测量技术在线估测蓄电池荷电状态的方法：对被测蓄电池实施周期性的小电流放电操作,测量放电过程中的放电电流与蓄电池端电压,经傅里叶分析计算出蓄电池的谐波阻抗,对谐波阻抗数据进行数值拟合得到蓄电池的欧姆内阻,最终实现对蓄电池荷电状态的在线估测,从而避免现行方法所需要的大电流放电操作。