磷酸铁锂锂离子电池EIS参数随SOC变化的规律

为准确估计磷酸铁锂(LiFePO4)锂离子电池的荷电状态(SOC),测量了商用18650型电池在不同SOC下的电化学阻抗谱(EIS),对中频区的EIS谱进行研究.分析了电荷转移内阻RCT、双电层电容Cdl、过渡频率f、串联电阻Rs和串联电容Cs随SOC变化的规律.在一定的频率下,Cs随SOC的变化单调递减,可作为估计LiFePO4锂离子电池SOC的参数.     

基于自适应无迹卡尔曼滤波算法的锂离子动力电池状态估计EI北大核心CSCD

应用传统的无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电动汽车锂离子动力电池核电状态(state of charge,SOC)时,常会出现由于电池模型参数不准确而造成估计误差增大的问题,该文采用了自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法解决该问题。AUKF算法是一种循环迭代算法,可以实时估计电池模型中的欧姆内阻,提高电池模型准确性,从而提高电池SOC估计精度。另外,电池的欧姆内阻可以表征电池的健康状态(state of health,SOH),因此还可以根据电池的欧姆内阻估计出电池的SOH。在设定工况下对电池做充放电实验,实验分析表明,与UKF相比,AUKF提高了电池SOC估计的精度,并能准确的估计出电池的欧姆内阻。     

基于自适应无迹卡尔曼滤波算法的锂离子动力电池状态估计

应用传统的无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电动汽车锂离子动力电池核电状态(state of charge,SOC)时,常会出现由于电池模型参数不准确而造成估计误差增大的问题,该文采用了自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法解决该问题。AUKF算法是一种循环迭代算法,可以实时估计电池模型中的欧姆内阻,提高电池模型准确性,从而提高电池SOC估计精度。另外,电池的欧姆内阻可以表征电池的健康状态(state of health,SOH),因此还可以根据电池的欧姆内阻估计出电池的SOH。在设定工况下对电池做充放电实验,实验分析表明,与UKF相比,AUKF提高了电池SOC估计的精度,并能准确的估计出电池的欧姆内阻。     

基于无迹卡尔曼滤波的全钒液流电池状态估计

利用传统的安时积分法估计全钒液流电池(vanadium redox flow battery,VRB)的荷电状态(state of charge,SOC),常常会因为累积误差造成估计误差增大的问题。该文针对这一问题,以一阶RC等效电路模型为基础,采用无迹卡尔曼滤波(unscented Kalman filter,UKF)算法对安时积分法估计结果进行修正,提高SOC估计精度。此外,UKF算法同时可以在收敛后准确地实时估计电池模型中的内阻,而电池的内阻可以表征其健康状态(state of health,SOH),因此UKF算法可根据内阻的估计结果评价电池的SOH。在工况下对电池进行测试性充放电实验,实验结果表明,UKF算法可以快速完成电池SOC的精确估计,绝对误差小于2%,并能准确地估计出电池的内阻,为电池SOH的确定提供参考依据。     

电动车用电池充电状态和功率强度估计

讨论了电动车 (EV)和混合电动车 (HEV )用电池电量模型和功率模型的建立 ,提出了一种新的电池剩余电量(SOC)和电池功率强度 (Powercapability)的综合估计方法。从电化学角度建立了一个电池参考模型 ,以安时计量为主并综合考虑影响电池SOC的多种因素进行SOC估计 ,功率强度估计主要基于电池等效内阻的估算。SOC估计和功率强度估计相结合 ,实现了在功率强度估计的同时对SOC估计提供自调整机制。该综合估计方法已经在我们自主开发的实验平台上实现 ,并经实践证明是可行的     

基于分数阶模型的锂离子电池SOC与SOH协同估计

锂离子电池荷电状态(SOC)和健康状态(SOH)的精确估计对电动汽车稳定运行十分重要.以精确估计电池SOC和SOH为目标,提出了一种基于分数阶模型的协同估计算法.建立基于二阶RC电路模型的分数阶电池模型,采用自适应遗传算法(AGA)辨识模型参数,利用分数阶扩展卡尔曼滤波(FOEKF)算法估计SOC,并结合自适应无迹卡尔曼滤波(AUKF)算法估计SOH,迭代更新内阻与SOC进而实现SOC与SOH精确的协同估计.在城市道路循环工况(UDDS)下使用Matlab工具验证和对比了算法精度,平均误差均控制在2％以内.结果表明,该协同估计算法能够精确估计电池SOC和SOH,为电池状态估计提供了一种方法.     

电动汽车动力电池变流放电特性与荷电状态实时估计

通过对电动汽车常用的铅酸动力电池大电流变流放电实验数据与特性的研究，建立以能动势和计算等效内阻为基本参数的电池动态模型，并得到了当电池放电电流大于某一特定临界电流时电池等效内阻趋于稳定的规律。基于这一重要规律，实现了以能动势为依据来估计电池荷电状态(SOC)的方法。该方法在电池大电流放电时，可以仅根据放电电流和在线端电压来估计SOC．分析和初步实验表明，这种电池SOC估计方法简单易行，实时性强，应用前景良好．     

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。     

基于强跟踪DEKF算法的动力电池SOC估计模型

应用扩展卡尔曼滤波(EKF)算法估计动力电池荷电状态(SOC)时,会出现由于电池模型参数不准确而造成估计误差增大的问题。这里提出一种基于强跟踪原理的双卡尔曼滤波(ST-DEKF)算法解决该问题。以电池复合等效模型为研究基础,利用双卡尔曼滤波(DEKF)算法并行实时联合估计电池SOC和电池模型中的欧姆内阻参数,相互反馈,以提高电池模型的准确性,能够有效改善电池SOC估计精度。但在电池SOC初值设定存在偏差情况下,观测噪声方差不易确定,估计过程收敛速度慢,甚至会引起发散,因此,在算法初始阶段又引入了基于强跟踪原理的次优渐消因子对目标进行快速跟踪,弥补DEKF算法的不足。实验结果表明,基于ST-DEKF算法建立的电池SOC估计模型,具有很好的鲁棒性、跟踪速度和精度。     

MH-Ni电池1.2 V放电电压平台的电化学研究

MH-Ni电池放电电压平台是一个十分复杂的问题,涉及电极材料、制作工艺及添加剂等多种因素.由于MH-Ni电池工作机理是基于电化学反应过程,因此这些因素的影响最终会通过电化学反应反映到电池的放电性能上.从电化学角度利用暂态测试技术--电流阶跃法对MH-Ni电池放电过程中影响电压变化的因素进行了研究,初步弄清了造成MH-Ni电池1.2 V电压平台衰减的电化学原因.结果表明,MH-Ni电池的重要电化学参数--欧姆内阻与放电电压平台有着重要关系.不同欧姆内阻的MH-Ni电池,其1.2 V放电电压平台衰减规律不尽相同.对于欧姆内阻较小的电池,1.2 V放电电压平台主要由非欧姆极化控制;欧姆内阻较大的电池,1.2 V放电电压平台主要由欧姆极化控制;欧姆内阻介于二者之间时,1.2 V放电电压平台由欧姆极化和非欧姆极化联合控制.研究中还发现,放电进入末期时,MH-Ni电池的非欧姆极化急剧上升导致电池电压迅速下降到放电截止电压,使电池终止放电.     

不同SOC下大容量氢镍电池的交流阻抗特性

研究了大容量MH-Ni电池在不同SOC下的交流阻抗特性。MH-Ni电池的阻抗图谱包含一个高频区的半圆和低频区的直线。研究发现,MH-Ni电池的欧姆阻抗及其对应的频率、电化学反应阻抗,以及半圆阻抗虚部最大值处的频率可以有效地用于SOC的分析和预测。     

电动汽车用MH-Ni电池组不一致性试验与建模

电池组不一致性对于电动汽车的安全性和电池管理系统的复杂度有着重要影响。设计MH-Ni电池组不一致性研究试验,结合内阻模型分析了电流、SOC和温度对电池组不一致性的影响,建立了电池组过放电过程数学模型,提出确定电池管理系统电压传感器数量的新方法,通过试验对模型及方法进行了验证。     

电动车用氢镍电池特性和工况实验分析

为评价MHN-i电池在电动车辆上的使用性能,根据混合型电动车对电池的使用要求,对电池充放电特性、不同荷电状态(SOC)下的能量效率、电池的最佳SOC工作区间,以及不同环境温度下特定工况时的特性等进行了测试分析。结果表明:MHN-i电池能较好地满足该类型电动车的使用要求,还表明,温度对MHN-i电池的性能影响明显,在使用过程中应该予以特别注意。     

MH-Ni电池和Cd-Ni电池的内阻测试与分析

对金属氢化物镍电池和镉镍电池在不同条件下的内阻进行了测试分析。实验发现 :金属氢化物镍电池和镉镍电池的荷电态内阻小于放电态内阻 ,且镉镍电池的放电态内阻离散性较大。金属氢化物镍电池荷电态内阻随荷电量的变化存在最小值 ;金属氢化物镍电池和镉镍电池在长时间放电态贮存过程中 ,电池内阻都会增加 ,镉镍电池的内阻增加更明显 ,且离散性更大 ;但电池经过充放电活化后 ,电池内阻可大大降低。同批次生产的相同规格的电池 ,电池内阻越小 ,电池的放电电压平台越高。实验还发现 ,电池的集流体结构设计、隔膜的选择及电液量的多少都会影响电池的内阻。     

电动车用MH-Ni电池SOC模型的研究

通过对电动车用MH-Ni电池的开路电压、充放电电流、温度、自放电等因素的研究,建立了一种适用于MH-Ni电池的荷电量状态的数学模型。在初始状态,采用开路电压以及系统存储值,来估算初始电量;在充放电过程中采用电流积分法,并结合各种修正系数来估算过程电量。该方法成功地应用于纯电动车和混合电动车镍氢电池的管理系统中,电量估算误差小于7%。     

添加剂BC-1对MH-Ni蓄电池性能的影响

用BC-1作为MH-Ni蓄电池的负极添加剂,研究了它对MH-Ni蓄电池充放电性能、内压、循环性能的影响.采用合理的添加方式,可以保证在电池容量不受影响的前提下,MH-Ni蓄电池耐过充能力明显增强,5 C放电时,中值电压升高50 mV;循环性能明显提高,1 C倍率充放循环156次,其容量保持在76%以上;过充电时电池内压显著降低.     

MH—Ni动力电池的日历寿命试验研究

通过对本公司生产的氢镍动力电池进行日历寿命测试,研究了测试过程中电池高度、放电功率和回馈功率、放电电阻及回馈电阻的变化规律,分析了氢镍动力电池日历寿命衰减的原因,并对使用过程中如何提高氢镍动力电池的日历寿命给出了意见。     

提高MH-Ni电池循环寿命的研究

循环寿命是MH Ni电池的重要指标之一。从材料的角度综述了MH Ni电池循环寿命下降的原因 ,指出负极贮氢合金性能的衰减、正极氢氧化镍性能的恶化和隔膜本身性质的变化所带来的碱液丧失是导致MH Ni电池循环寿命降低的主要因素。同时 ,指出优化负极合金的组分 ,对合金进行表面处理可提高合金的抗粉化、氧化或耐酸碱腐蚀的能力 ;通过添加合适的添加剂如Co、Zn、Cd等可提高氢氧化镍的活性 ,抑制镍电极的膨胀并提高镍电极的充电接受能力 ;选用面电阻小、吸碱率大、综合性能好的隔膜可保证电池内合适的电解液量 ,从而也可以提高电池的循环寿命     

混合动力汽车动力电池(Ni-MH)管理系统的研究现状与发展

本文主要综述了目前混合动力汽车Ni-MH动力电池管理系统的研究现状以及发展方向,其中着重论述了电池SOC的定义、估计方法以及电池热管理中电池主要的冷却和升温方式。并且针对每一部分提出了个人一些看法和观点,最后提出了一些电池管理系统的发展方向。     

基于模糊卡尔曼滤波的HEV氢镍电池SOC估计

混合动力汽车(HEV)电池管理系统工作于恶劣工况环境中,采用常规卡尔曼滤波算法估计电池荷电状态(SOC)时,量测噪声统计特性随实际工况条件剧烈变化,会导致估测不准,甚至滤波发散.采用基于模糊自适应卡尔曼滤波的氢镍动力电池SOC估算算法,通过监视理论残差与实际残差的比值,对量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高估算精度.仿真结果表明,这种算法对随机的量测噪声具有较强的抑制能力.