基于卡尔曼滤波的动力电池荷电状态的估算

动力电池荷电状态(SOC)是电动汽车行驶及充电过程中重要的信息之一,能够为驾驶者提供电池剩余电量以及续驶里程等信息。完成了基于动力电池Thevenin模型的扩展卡尔曼滤波法SOC估算算法的研究与设计。通过电池的HPPC实验,识别电池模型参数,并在MATLAB中进行仿真验证,介绍了实验结果。     

基于二阶RC模型的HEV氢镍电池在线SOC估算研究

氢镍动力电池作为混合动力汽车的重要组成部分,其荷电状态SOC的在线估测对整车动力性、安全性和经济性具有重要意义。该研究从氢镍电池的电化学反应本质出发,建立了二阶等效电路模型,根据电池开路电压OCV和SOC的关系,结合自适应算法理论研究了氢镍动力电池的SOC估算方法。通过实验验证,该估算方法能够快速精确估算S OC,误差小于2%,能够满足混合动力汽车估算需求。     

动力电池SOC预估方法研究进展

SOC估计是电动汽车电池管理系统的重要功能。动力电池在使用过程中,对荷电状态准确地进行估算可以有效提高电池的使用效率,提高电池的使用寿命。电池SOC不能直接测量,需要通过其它参数和方法间接获得。研究人员为了提高电动汽车电池SOC估计的准确性做了大量研究工作,采用的主要方法有:安时积分法、开路电压法、神经网络法和卡尔曼滤波法及其改进的方法等。主要介绍了各种SOC估计方法的原理及应用中存在的优缺点,评价了各种SOC估计方法。     

一种新型SOC估计算法的研究

在建立电池管理系统的过程中,动力电池荷电状态(SOC)的实时测量和估计很关键。分析了各种电池SOC估算方法的优缺点,提出了一种实时检测电池端电压作为判断电池充电状态的电压-安时计量算法。由该算法构成的电量计能实时、准确计算电池的电量和SOC,保证了动力电池在电动汽车应用中的安全、可靠运行。     

电动汽车电池的SOC估算和续航里程显示及报警

在倡导发展新能源汽车的今天,电池管理系统的完善与否是电动汽车发展的一个重要因素,因此对于动力电池的荷电状态的估算成为了关键。在本文中,对现有的估算SOC的方法做了简单分析,并进行整合,提出一套可以实际应用并且计算误差较小的方法,并且通过飞思卡尔单片机得以实现电动车续航里程的显示以及电池低电量的报警系统。     

基于LabVIEW的动力电池SOC实时估算系统研发

在电动汽车能量管理控制策略和电池管理系统研究中,电池荷电状态(State of charge,SOC)的准确估算一直是重点和难点。基于磷酸铁锂动力电池的工作原理和充放电特性试验,利用MATLAB软件拟合获得不同放电电流下的库仑效率和开路电压与SOC的关系。并采用虚拟仪器LabVIEW与相关硬件,实时采集动力电池相关数据,将SOC估算的安时法与开路电压法相结合,实现了对动力电池SOC的实时估算与高精度显示,提高了电池SOC研发系统的实用性与准确性。     

集中式电动汽车电池管理系统设计

电动汽车作为新能源汽车的一种,其动力电池的性能是关系到电动汽车推广应用的重要因素。在电动汽车的实际运行中,需要对电池电压、电流、温度等信号实时采集以及对电池内部参数在线估算。为了实现电池组的在线监测和管理,设计了一种采用微处理器做主控制模块的电池管理系统。该系统采用集中式的管理模式对汽车电池组进行测试和分析,设计完成系统控制、信息采集和数据通讯,工作环境抗干扰措施等功能,实现了一种基于双卡尔曼滤波算法的电池荷电状态(SOC)的估算,并利用Lab VIEW实现上位机系统的界面设计。在实际测试中,采用该系统同时对192节锂电池进行监控,实现了电压、环境温度等信息的在线测量,电池荷电状态(SOC)的估算误差不超过1%。     

基于BP神经网络的动力电池SOC估算

电池荷电状态(SOC)的预测是影响电动汽车发展的关键技术之一,采用经典BP神经网络控制算法完成了动力电池的SOC估算研究。通过设计工况实验,在Matlab中对该算法进行了仿真验证,结果表明该算法能够很好地拟合动力电池充放电特性,误差可以减小到5%以内。     

基于实时车况的电动汽车电池工作状态检测方法

随着电动汽车的普及,对动力电池的维护问题逐渐成为电动汽车养护的一大研究课题。提出了一种基于电动汽车实时车况电池老化情况的检测方法,通过对电流变化情况的监测,观察动力电池欧姆内阻的变化,并且通过电动汽车行驶时电池荷电状态(state of charge,SOC)的变化趋势,估计电池健康状态,从而有效地为用户的电动汽车保养提供参考。根据对动力电池SOC、健康状态(state of health,SOH)以及欧姆内阻的变化,来判断是否需要对动力电池进行更换。     

改进电池SOC估算方法研究

针对传统的荷电状态(SOC)估算方法估算动力电池荷电状态精度不高,对混合动力系统中动力控制器的正常运作有很大影响,使得节能效果大大降低,从四线法和能量守恒定律对电池内阻测量出发,提出了一种改进的电池SOC估算方法,该估算方法不但能够估算电池恒定大电流和小电流放电,同时也非常适合变电流放电工况,在变电流放电工况下,新的电池SOC估算方法的估计值误差明显小于5%,因此具有较高的估计值精度。     

基于扩展卡尔曼滤波算法的锂离子电池的SOC估算

为了精确估算锂离子动力电池的电池荷电状态(State Of Charge,SOC),在分析影响SOC估算精度的主要因素以及传统SOC估算方法的优缺点的基础上,提出一种改进的安时积分法,对影响SOC估算的主要因素进行参数修正.该算法采用基于简单电化学模型的组合电池模型,结合扩展的卡尔曼滤波(Extended Karlman Filter,EKF)算法对SOC进行估算.对比结果表明,在SOC的估算过程中能够保持很好的精度.     

电动汽车用锂电池SOC估算方法研究

电动汽车用锂电池具备宽电压以及显著的两极化特点,会对电池荷电状态(SOC)造成一定的干扰,另外在电池组的差异性以及使用时间方面,SOC也存在较大的干扰。所以,SOC是电动汽车运转进程中相当关键的因素,是预防电池过度充放电的关键性参照,只有正确估算电池组SOC才可以更好地提升电动汽车的利用率,延长电池的使用年限,对汽车运转进行进一步的优化。研究了多种SOC估算方法,为电动汽车电池组的优化以及相应的管控提供了基础性的参照信息。     

基于神经网络的动力电池组SOC辨识方法

目前电动汽车动力电池荷电状态(SOC)的辨识误差约在8%左右,且主要集中在电池恒流放电过程的辨识,对电池交流放电状态中SOC的辨识研究不是很多.在实际应用中,尤其是在混合动力电动汽车中,电池多处于变流放电状态中,而且电流幅值变化较大.为此,提出了基于电池时变特性的径向基神经网络SOC辨识法.该方法摒弃了以电池单点时刻状态参数作为网络输入的做法,采用动力电池变流放电参数为输入,使辨识精度提高到3%.此方法尤其对动力电池处于交流放电状态时,效果更加明显.     

电动汽车动力电池荷电状态估计方法探讨

准确估计电池荷电状态(SOC)是电动汽车电池管理的重要内容,SOC的准确评估对延长电池寿命和提高电动汽车整车性能具有重要意义。各国研究人员对电池SOC估计方法进行大量研究,先后提出了多种估计方法。文中介绍了电池SOC的定义及其主要影响因素,根据电池SOC估计方法的特点,按离线和在线方法对SOC估计方法进行总结和介绍,并比较了各方法的特点及实用效果。最后展望了电池SOC估计方法的两个潜在发展方向,即基于电池模型的非线性滤波方法和具有自学习能力的智能方法,为今后深入研究动力电池SOC估计方法提供借鉴。     

混合动力汽车电池管理系统SOC估算策略

电池荷电状态(state of charge,SOC)是电池管理系统的重要参数,也是混合动力汽车动力系统分配的重要依据,准确地估算电池荷电状态具有重要意义。按照传统电量状态定义电池SOC的估算方法不能满足蓄电池变电流放电工况的需求,为了解决这一问题,采用能量守恒原理对电池SOC重新定义,基于修正的Thevenin等效电路,在Matlab/simulink环境下,建立了电池的动态充、放电模型,通过仿真分析,证明新的SOC估算策略能够满足蓄电池在大电流和变电流放电工况下SOC的估算,提高了电池SOC估算的精度。     

基于UKF的动力电池SOC估算算法研究

动力电池荷电状态(SOC)在线估算对于混合电动汽车蓄电池管理系统有着举足轻重的意义。针对动力电池SOC估算算法中应用广泛的扩展卡尔曼滤波法(EKF)在非线性系统应用时存在的精度损失问题,采用无迹卡尔曼滤波法(UKF)以提高估算精度。研究了一种改进的电动势(EMF)电池等效模型,讨论了该模型的参数和空间状态方程,并将UKF应用于该模型估算SOC。由实验分析可知,对比采用开路电压法得出的SOC真实值,UKF结合EMF电池等效模型在估算算法中有较高的精度,其估算误差小于5%,且SOC估计结果明显优于EKF,具有较高的实用价值。     

具有在线修正功能的镍氢电池SOC估算方法

介绍了电动汽车用镍氢电池荷电状态(SOC)的常用估算方法。针对安时积分法结合开路电压法估算蓄电池SOC时累积误差偏大的问题，测试了镍氢电池充放电特性曲线，并对曲线进行多项式拟合，提出了根据电池不同工况进行条件判断，对估算值进行在线修正的估算方法。实践证明，本文所述估算方法能明显地减小累积误差，更好地满足电池SOC的估算要求。     

电动汽车电池管理系统研究现状及发展趋势

电池管理系统(BMS)监测动力电池的各种状态,具有荷电状态(SOC)估计、电池均衡、热管理和CAN通讯等功能,是电动汽车关键零部件之一.在此回顾了BMS的国内外研究现状并且论述了其总体结构、动力电池SOC估计方法、电池均衡技术和电池热管理技术.最后,展望了BMS未来发展趋势.     

基于EMF等效模型电动车镍氢电池SOC估计

讨论了电动汽车镍氢动力电池荷电状态(State of Charge,简称SOC)的估计方法。提出用电动势(EMF)等效电路模型法来估计电池的SOC。研究确定了EMF与SOC之间的关系,并通过电路分析,计算得出电池EMF与端电压之间的关系,最终建立了端电压与SOC关系。通过实测数据并利用模型估计数据的对比得出,SOC的误差在混合动力汽车的允许误差范围内。该方法在车辆停车和行驶时均适用。     

车用锂离子动力电池SOC的预测研究

为了估算锂离子动力电池的荷电状态(SOC),在对影响SOC值的因素及传统SOC估算方法分析的基础上,依据实际情况,采用了一种新思路,即将电池的工作状况分为静止、恢复、充放电三种状态,分别对三种状态进行SOC估算。在估算过程中分散并消除影响SOC值的因素,特别在充放电状态下,使用了以库仑效率因子为基础的电量的动态恢复量对安时计量法进行改进,解决了安时计量法会产生累积误差的问题。经实验表明,此方法提高了电池SOC计算的精度,达到了动力汽车的应用要求。