基于自适应CKF的锂离子电池SOC估算

扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)算法估算电池荷电状态(SOC)依赖等效模型参数的准确性,估算精度低。容积卡尔曼滤波(CKF)算法的滤波性能良好。利用自适应CKF(ACKF)算法估算电池SOC,自适应调节过程噪声协方差和量测噪声协方差,提高估算SOC的精度。对锂离子电池建立二阶RC等效电路模型,在不同工况下进行充放电,用卡尔曼滤波算法在线辨识等效模型的参数,ACKF算法实时估算SOC。ACKF算法估算SOC的鲁棒性较强,精度在1. 5%以内。     

铅酸动力电池高阶PNGV改进模型研究

为了提高动态工况下铅酸动力电池荷电状态(SOC)的估算精度,针对现有Thevenin模型和PNGV模型仅有一个极化环节、动态工况下暂态响应精度不高的缺点,进行了铅酸动力电池等效电路模型的改进研究。在PNGV模型基础上增加极化环节,建立了改进高阶PNGV等效电路模型和对应的Simulink模型。采用高速可编程电子负载和电压电流数据采集卡搭建实验平台、以EVF-38铅酸动力电池为对象进行了不同倍率放电、脉冲放电和动态工况放电实验,根据采集的实验数据,运用遗传算法(GA)对改进模型极化环节参数在电流加载和卸载条件下分别进行了辨识。将动态工况下模型输出的仿真电压与实验实测电压进行比较,验证了模型的精度。改进后的高阶PNGV模型脉冲放电和动态工况仿真端电压最大相对误差分别为0. 986%和2. 155%,相对于原PNGV模型,动态工况实验仿真精度最大提高了1. 313%,实验结果验证了铅酸动力电池高阶PNGV改进模型具有更好的准确性和动态性能。     

脉冲大倍率放电条件下磷酸铁锂电池荷电状态估计

以磷酸铁锂电池为研究对象,针对电池在脉冲大倍率放电条件下,模型参数变化较大、荷电状态(SOC)难以准确估计的问题,以电池的二阶RC等效电路模型为基础,通过递推最小二乘算法动态辨识模型的参数,建立电池的时变参数模型。再通过时变参数模型建立电池的状态方程和观测方程,并应用二次方根容积卡尔曼算法实现电池的SOC估计。这种SOC估算方式能够适应模型的参数改变,且具有对初值误差的修正能力。经实验验证,在脉冲大倍率放电工况下,所建的时变参数模型可以准确模拟电池端电压的变化,所采用的SOC估算策略,在初值存在较大误差的条件下,依然能够准确估算出电池的SOC。     

基于EKF的船舶动力锂电池剩余容量估算

在船舶锂电池储能系统(RESS)应用中,准确估计剩余容量(SOC)是储能系统安全充放电的基础,SOC无法直接测量,只能通过测量电池外电压电流,根据电池特性进行计算得到。目前,传统SOC估计算法精度低,现流行的算法存在计算复杂的问题,并对依赖于SOC初始值精度,在运用中问题重重,难以保证船舶RESS的安全、寿命和容量利用率。为提高SOC估算精度,对锂电池的等效电路PNGV模型进行试验及参数辨识,并结合拓展卡尔曼滤波(EKF)算法,测量锂电池电压及电流,综合进行SOC的估算,经试验,SOC估算精度相比传统算法得到了提高,并解决了SOC估计对初值的要求高的问题,由此证明了PNGV模型结合扩展卡尔曼滤波算法精确估计SOC的可行性。     

考虑迟滞效应的电池极化电压误差修正方法

以某三元软包电池为实验对象,对极化效应和迟滞效应的原理进行分析,通过改进的间歇充放电实验得到真实的极化电压值,证明了迟滞效应是造成极化电压计算误差的主要原因。进而基于二阶RC等效电路考虑迟滞电压的影响,提出一种改进的迟滞模型,将迟滞电压作为一项状态量,构建四阶状态方程。以SOC为输入,端电压为输出,得到迟滞效应对极化电压的影响继而进行修正。同时使用Simulink搭建传统二阶RC模型和改进的迟滞模型,将仿真得到的极化电压并与实验值进行对比。结果表明,改进的迟滞模型所得的极化电压曲线更贴近实验值,在恒流工况和动态应力测试工况(dynamic stress test,DST)下能达到更高的仿真精度。     

基于改进EKF算法的锂离子电池SOC估算方法

针对锂离子电池在变电流放电过程中荷电状态SOC(state of charge)估算精度的问题,提出了一种基于改进扩展卡尔曼滤波EKF(extended Kalman filter)算法的新估算方法。首先,通过放电实验和混合脉冲功率特性HPPC(hybrid pulsepower characteristic)实验,分析计算了等效电路模型参数;然后,利用该方法获得了该模型参数与放电倍率和SOC之间的关系,提出了一种估算SOC时在线修正开路电压和欧姆内阻的新原理和方法;最后,通过变电流放电的SOC估算结果,验证了该改进算法的可行性与有效性,从而解决了锂离子电池在复杂工况下估算精度不足的问题。     

电动汽车动力电池SOC估算方法综述

电池SOC估算是电动汽车电池管理系统中重要的一部分,由于电池SOC的估算受很多因素综合影响(如充放电倍率、环境温度、循环寿命、自放电等),所以很难保证SOC在实际应用中的估算精度.通过对SOC估算方法的综述,分析了各种方法的实现原理、优缺点以及目前应用情况等.研究表明,在实际的应用中,应依靠实验数据、提高硬件技术保证数据测量精度、引入电池模型、综合各种算法,扬长补短,从而提高SOC估算的精度.     

基于LPV理论锂离子电池SOC估算研究

以磷酸铁锂电池为研究对象,在进行了电池特性实验的基础上确定电池电压特性以及开路电压与SOC关系。以二阶等效电路模型为基础,结合LPV理论及EKF原理,在Simulink中搭建电池仿真模型,实现了电池模型参数与SOC的联合估算,设计实验验证了模型的正确性。并嵌入整车模型模拟运行,电池SOC工作区间符合控制策略,设计的磷酸铁锂电池SOC估算方法可行有效。     

基于EKF的钛酸锂电池SOC估计

精确的荷电状态(SOC)估计可以保障电池系统安全可靠地工作。钛酸锂电池优良的大倍率充放电特性使其近年来在需要大功率充放电的特种车辆上得到应用。针对使用扩展卡尔曼滤波算法估计SOC在不同模型上产生不同误差的问题,以钛酸锂电池为实验对象,针对最常用的一阶RC和二阶RC模型,利用实验数据进行了参数辨识,开展了三种不同工况下的SOC仿真研究,结果表明：两种模型的扩展卡尔曼滤波算法精度都较高,平均相对误差都在2%以内。在恒定工况下,一阶RC模型的扩展卡尔曼滤波算法有更高的精度,而在变工况下,一阶RC模型的扩展卡尔曼滤波算法比二阶RC模型精度略低,表明二阶RC模型具有更好的动态性能。     

动力锂离子电池稳态特性参数Map建模与仿真

提出并实现了一种车用动力锂离子电池稳态特性参数的数学模型,该模型针对混合动力车用8Ah锂离子电池,选取对电池SOC有重要影响的性能参数(电压、电流、温度等),设计相关实验(主要是倍率充放电实验和开路电压SOC关系实验);应用实验数据,通过插值、拟合等方法补充实验缺省数据,建立电池稳态特性参数Map图,用以估算电池的SOC,对建立的Map用实际工况曲线进行仿真。仿真结果表明,应用建立的Map图,对电池稳态SOC查询估算的精度可以达到4%以内。     

锂离子电池SOC与模型参数联合估算研究

电池荷电状态(SOC)的估算精度是影响新能源汽车性能的重要因素之一。针对电池参数动态变化影响SOC估算精度的问题,在确定二阶RC等效电路模型的基础上,采用渐衰记忆的递推最小二乘算法和扩展卡尔曼滤波算法对模型参数与SOC在线联合估算。经过实验与仿真验证,在模拟城市道路工况的放电条件下,与安时法和卡尔曼法相比,联合估算方法得到的SOC估算值与真实值的误差缩小到1.29%。该方法能够适应电池特性的动态变化,保证较高的SOC估算精度。     

基于改进模型的锂离子电池SOC估计

为提升锂离子电池荷电状态(SOC)的估计精度,提出一种易于工程实现的二阶RC滞回等效电路模型.该模型采用差分进化(DE)算法对参数进行优化辨识,在城市道路循环工况(UDDS)、新标欧洲循环测试(NEDC)运行工况条件下对端电压和SOC进行估算.相比于传统二阶RC等效模型,二阶RC滞回等效电路模型估算的端电压误差小于10 mV,SOC误差减小至1％.此改进模型更符合锂离子电池的电化学特征,以此模型进行扩展卡尔曼滤波(EKF)算法的SOC估计具有更高的估计精度,为1％.     

基于改进等效电路模型的高比能量储能锂电池系统功率状态估计

针对高比能量电池大倍率下的电化学特性特殊性,用传统的等效电路模型(equivalent circuit model,ECM)估计功率状态(state of power,SOP)存在精度较低的问题,提出一种拓展的等效电路模型(extended equivalent circuit model,E-ECM)进行SOP估计。分析锂离子动力电池负载电流对极化内阻的影响,基于不同倍率测试和最小二乘的方法建立极化内阻与电流的关系;通过引入SOC偏差△z的概念,来描述电池内部的固相扩散反应引起的扩散压降,对部分SOC区间的△z进行了拟合预测;构建了考虑极化内阻电流依赖性和扩散压降的E-ECM模型,基于E-ECM模型进行电压限制下的10s和180s的SOP估计。搭建了面向单体电池的基本性能实验和SOP最大电流实验平台,分析结果表明,基于模型的最大电流平均误差不超过0.41%、最大误差0.51%左右,基于拟合预测△SOC处的最大电流误差为1.47%,验证了E-ECM模型对SOP估计的有效性和准确性,为锂离子动力电池管理系统功率状态估计与控制提供了理论支撑。     

基于采样策略实时切换的SRUKF算法的SOC估计

针对混合动力汽车用氢镍电池SOC估算问题,根据氢镍电池的动态特性,建立了带有滞回特性的二阶RC等效电路模型.根据电池的化学反应特性,利用带遗忘因子的递推最小二乘法和最小二乘法进行参数辨识;采用采样策略实时切换的SRUKF算法进行SOC的估算.该方法可以比现阶段采用的SRUKF方法缩短将近一半的采样时间,在保证精度的前提下提高运行速度.通过仿真曲线以及误差曲线对比结果表明,采用采样策略实时切换的SRUKF算法可以快速追踪到SOC参考值,有较高的估算精度,SOC误差曲线显示SOC估算误差小于2％.     

基于锂电池SOC估算方法

电池的荷电状态(State of charge,SOC)是锂电池组电池管理系统的重要参数,而电池的SOC估算受到很多因素的综合影响,难以保证其估算精度。准确的电池模型是精确估算SOC的基础,通过对电池模型的改进、模型参数的实时更新,提高了模型参数的精确度;修正的扩展卡尔曼滤波并结合修正的安时积分法,减小了温度、充放电倍率等因素的影响,从而提高了SOC估算的精度。     

基于多维线性插值的锂离子电池SOC估算研究

锂离子电池荷电状态(SOC)的准确估算是电动汽车稳定、高效、安全运行的基础。研究了锂离子电池恒流充放电特性和极化效应;分析了锂离子电池在恒流充放电工况下的端电压、电流、SOC之间的关系特性;提出了基于多维线性插值的锂离子电池SOC估算算法。通过模型仿真和台架试验,验证了多维线性插值SOC估算算法的精度和适用性。实验结果表明,多维线性插值SOC估算算法具有较高的精度和普遍的适用性,在电动汽车实时工况下具有很好的应用价值。     

基于BP神经网络的SOC估计及铅酸蓄电池特性

蓄电池特性是影响电动汽车充电时间和续驶里程的主要因素,针对应用较普遍的铅酸蓄电池展开研究具有重要意义。基于阻容等效电路建立了铅酸蓄电池充放电模型,通过不同倍率的充放电实验获得了模型参数与电池荷电状态(SOC)的关系式。采用BP型神经网络模型对铅酸蓄电池SOC进行估计,在Matlab环境下基于SOC神经网络模型对铅酸蓄电池充放电过程进行仿真研究。仿真结果表明铅酸蓄电池模型可以真实地模拟充放电特性,仿真结果与实验结果的平均误差为2.5%。     

提升低温下电池SOC估算精度的算法

针对低温环境下电池荷电状态(SOC)估算精度不高的问题,提出一种相应的电池SOC估算方法.在充分考虑模型适配与算法融合的前提下,在低温下对锂离子电池进行充放电测试,采用三阶RC等效电路模型进行参数辨识.利用自适应扩展卡尔曼滤波(AEKF)估算模型进行仿真分析,提升SOC估算精度,并与扩展卡尔曼滤波(EKF)算法进行对比.该算法在-20～0℃的低温区间,SOC平均估算误差在0.73％左右,相比于EKF降低了约5.6％.     

一种基于LSTM-RNN的脉冲大倍率工况下锂离子电池仿真建模方法

锂离子电池是电力系统中不可或缺的重要储能元件,脉冲大倍率工况下运行的锂离子电池具有单次放电时间短、放电循环多、状态变化频繁、非线性极化现象明显等特点。该文以脉冲大倍率工况下锂离子电池模型为研究对象,针对电化学模型和等效电路模型对模型依赖度高、模型参数难以获取以及脉冲大倍率工况下非线性极化现象导致拟合精度不足等问题,提出基于长短期记忆循环神经网络(long short term memory recurrent neural network,LSTM-RNN)以实现准确的锂离子电池建模。该方法利用LSTM-RNN的动态逼近和长时记忆能力,以获取脉冲大倍率工况下锂离子电池性能参数和电池端电压、荷电状态、电流、温度之间的非线性关系。在6种脉冲大倍率放电工况下对磷酸铁锂电池进行建模,实验结果表明,所提出的基于长短期记忆循环神经网络的锂离子电池模型均能够准确表征磷酸铁锂电池工作特性。     

退役锂离子电池梯次利用状态区间划分

选择一阶RC等效电路,研究环境温度和极化反应程度对于退役锂离子电池开路电压和放电时间的影响.对NCR18650GA型锂离子电池进行混合脉冲功率特性(HPPC)测试,对比不同荷电状态(SOC)下的电极电位衰减情况和极化反应程度,确定电池二次利用时SOC的下限需大于0.4;根据不同放电倍率下放电深度(DOD)区间与端电压衰减快慢的关系,以及多次循环实验下电池的容量衰减程度,将退役锂离子电池的健康状态(SOH)区间划分为80％～60％、60％～45％和45％～30％等3个区间,实现梯次利用的效率最大化.