基于STF&LM算法的串联锂离子电池组不一致性辨识与状态估计

电池组中单体间存在的不一致性是电池状态估计问题中的一大难点。针对串联锂离子电池组,提出了一种基于强跟踪滤波器(strong tracking filter,STF)与LevenbergMarquardt(LM)算法相结合的电池组不一致性辨识与状态估计的新方法。首先针对"参考单体"给出了一阶等效电路模型与开路电压–荷电状态(state of charge,SOC)特性关系曲线,通过STF算法得到其状态估计与参数估计;其次建立不同单体的"电压相似函数",并引入LM算法对SOC、极化电压、欧姆内阻3种不一致因素进行辨识;最后对2组5个LiFePO_4单体串联的电池组在不同的工况下进行了实验验证。结果表明,所提方法对各单体的状态与内阻估计误差在合理的范围内,对电池组不一致性辨识与状态估计具有良好的效果。     

不同温度的双卡尔曼滤波算法电池组SOC估计

动力锂电池组的荷电状态SOC(state of charge)是整个电池管理系统的重要参数,能直接反映电动汽车剩余可行驶里程,因此如何精确地估计电池组的SOC值是至关重要的。由于电池组各单体电池的不一致性,以及电动汽车在行驶过程中的复杂环境,所以在电池组内单体电池负载电压的最小值Vmin模型的基础上运用统计学的方法,对模型中的各参数进行有关温度因素的拟合,并通过模拟汽车的实际行驶环境,在不同温度下进行实验,从而得到改进的Vmin模型;结合双卡尔曼滤波算法,实现对整个电池组的SOC估计。仿真和实验结果表明该方法对电池组SOC的估计精度有优越性。     

基于Buck-Boost电路的能量转移型均衡方案

提出了一种基于Buck-Boost电路的新型均衡电路,实现了锂离子串联电池组充放电均衡。根据均衡能量流向,采取两种不同的均衡策略:电池组放电时,均衡能量由电池组向组内荷电状态(state of charge,SOC)较低的单体电池转移;电池组充电时,均衡能量由电池组中SOC较高的单体电池向电池组转移。以单体电池开路电压在线估计为基础,运用开路电压法估算SOC,选取SOC值在一定阈值范围之外的单体电池作为均衡对象,对6节串联的磷酸铁锂电池进行了充放电均衡实验。实验结果表明,该方案可以有效减小单体电池间的不一致性,提升电池组的整体性,同时提高了电池组充放电容量。     

串联电池组双目标混合均衡控制研究

针对新能源汽车动力锂电池组的不一致性问题,较多研究基于电池组不一致性的外部表现建立控制策略,如电压均衡、SOC（state of charge）均衡等。通过分析电池组产生不一致性的根本原因,结合电池内、外部影响因素的耦合关系,提出了基于老化率和SOC的双目标混合均衡控制方法,同时实现了老化和SOC的均衡。老化均衡实现了各单体电池在不同工况下的寿命衰减程度达到一致,使得电池的不一致性从根源上得到改善;SOC均衡进一步避免了不一致性的扩大,最大限度的发挥动力电池的性能。最后,以4个单体串联的电池组为例在Matlab/Simulink中搭建了均衡电路仿真模型,通过与单目标SOC均衡比较,验证了所提均衡方法的有效性。     

磷酸铁锂电池组均衡控制策略及荷电状态估计算法

电池组在使用的过程中,由于温度场分布不均匀以及库伦效率的差异,各单体间的剩余容量将会出现不一致性,这将会降低电池组的容量。为了提高电池组的性能,本文提出了以热力学荷电状态(thermodynamic-SOC,t-SOC)作为均衡判断依据,动力学荷电状态(kinetic-SOC,k-SOC)作为均衡控制依据的均衡控制策略。针对电池组在均衡前/后处于不同的状态提出电池组不均衡/均衡状态SOC估计算法。最终通过实验验证了电池组在不同状态下SOC估计的精度,并且根据所提出的均衡控制策略对电池组进行均衡,实现了较好的均衡效果。     

基于一致性模型的梯次利用锂离子电池组能量利用率估计方法

锂离子电池的不一致性导致电池组的容量和寿命等指标显著小于电池单体,且该问题在梯次利用的应用场景下更为严重.电池组老化后,电池组内电池不一致性参数之间并非相互独立,而是相互耦合,因此造成电池组一致性建模困难,降低了电池组的能量利用率的估计精度.针对梯次利用电池筛选成组和成组后的状态评估,该文提出一种基于Copula理论的电池组一致性建模方法,同时实现了电池参数分布特性和参数间相关性的准确刻画.基于电池组一致性模型,提出一种电池组能量利用率估计方法,并进行实验验证,估计误差在1％以内.最后分析电池组能量利用率的影响因素,以指导电池组的优化成组和使用.     

锂电池成组不一致性研究

锂离子电池的不一致性会影响电池组的使用寿命,降低了电池成组后的性能。锂电池成组不一致性是指单体电池的容量、电压、内阻、自放电速率等参数存在差异,是由电池组的组合结构、使用工况、使用环境、电池管理不同所致。对单体电池分选制度、电池组连接方式、BMS均衡控制、充放电策略和热管理提出了改进方法。     

基于物联网的锂离子电池组能量均衡系统设计与实现

针对锂离子电池组因单体电池间参数差异,长期使用导致的不一致性将造成过充或过放等问题,提出一种基于物联网的锂离子电池组能量均衡系统。该系统通过建立双极化DP模型并采用EKF算法估计单体SOC值,由单片机进行实时监控,并根据单体SOC值控制电路支路开关实现能量均衡,再通过物联网模块进行远程监测,解决了传统BMS系统扩展性弱等缺点。通过实验验证了该系统可实现电池组远程状态监测与智能化健康管理。     

基于均值模型的电动叉车电池组荷电状态估计

针对电动叉车的动力电池组荷电状态（SOC）的实时估计,考虑到电池存在的差异性,采用电池选型外部滤波过程,建立了二阶RC等效电路模型与电池组均值模型,并提出了FFRLS_EKF联合算法。运用带遗忘因子的最小二乘法（FFRLS）进行模型参数辨识,结合扩展卡尔曼滤波算法实现SOC估计。通过试验测试与MATLAB计算验证,结果表明开路电压（OCV）模型估计值与实际值的误差均值约为0.02 V,动力电池组SOC值与各单体电池均值的误差小于2%。该方法应用于电池组,可实现电池组内各单体电池的最大可用容量和荷电状态一致性估计。     

基于复合EKF算法的锂电池组的SOC估计

动力锂电池组的荷电状态SOC估计是电动汽车能量控制的重要参数。针对串联锂电池组的SOC估计问题,利用扩展卡尔曼滤波法(EKF)和传统的安时积分法相结合(复合EKF算法)优势互补,并运用对于扩展卡尔滤波法较准确地估计电池的Thevenin模型,以电池组的最小单体电池的电压作为参考电压值,用提出的算法结合所选用的电池模型,对模拟电动车的实际工况进行电池组放电实验,证明这种复合算法不但比EKF法估计SOC准确,对误差还有一定的修正能力,而且还能满足电动车SOC准确度的需要。     

储能用梯次利用电池组一致性检测与评价方法

为了将退役动力电池重组成性能良好的电池组用于储能,实现电池组价值利用最大化,提出电池一致性检测与评价方法.通过分析电池组不一致性的产生机理及其对电池组性能的影响,结合电池健康状态、电池单体SOC,把电池组容量与能量利用率作为一致性评价指标,设计"三步实验法"作为电池组一致性检测方法.该方法组合的电池组能同时提升容量与能量利用率.     

基于单体一致性对动力锂电池性能的影响研究

限于锂电池单体的电压和容量,需将它们并串联形成电池组使用。动力锂电池组性能取决于单体电压、内阻、容量和SOC一致性。单体不一致性对电池性能有较大影响。充放电特性曲线能较真实地反映电池的特性和使用过程中的一致性。需要通过电芯制造工艺控制、配组过程优化及采取电池均衡管理策略提高单体一致性。     

串联电池组双向全桥SOC均衡控制系统设计

针对电池制造工艺和使用环境不同所引起的单体间电量不均衡问题,结合双向开关电源理论提出了一种集中式能量转移型单体-整组双向电池均衡方案,根据电池组内单体剩余电量(state of charge,SOC)在电池组内部进行电量双向转移,采用反馈电路保证均衡电流恒定。通过实验获得电池单体开路电压的滞回特性曲线,并结合充电和放电状态下SOC与开路电压对应关系估计各电池单体SOC,以SOC一致作为均衡目标。实验结果表明,所设计的均衡器均衡电流达到3A,可以满足电池系统均衡需求。     

锂离子电池组均衡电路及其均衡策略研究

为了改善电池组的一致性,提出了一种高效的锂离子电池组均衡电路,同时研究了适用于电池组均衡电路的均衡策略。设计了一种可充可放的能量转移均衡电路,该电路支持对单体电池进行均衡充电及均衡放电操作,同时也可利用电池组能量对多节单体电池进行均衡充电。提出的均衡策略根据运行过程中实时的电压值分析得到电池组中各单体电池需要均衡的程度,结合单体电池SOC最终给出适合于上述均衡电路的均衡状态,进而对单体电池进行均衡。并利用实验数据证明均衡电路与均衡策略的有效性。     

基于模型估计的LiFePO_4电池EKF滤波算法SOC估计研究

常规LiFePO_4动力电池组SOC(state of charge)估计方法难以同时满足复杂工况下SOC预测的可靠性与初值不敏感性,为解决该问题,提出一种针对电池组工况特性下的扩展卡尔曼滤波算法。该算法基于电池组工况放电特性,提取其特征参数并进行模式分类,根据在电池充放电时不同参数与区间,对卡尔曼滤波模型进行动态参数补偿,加快SOC向真值的收敛速度,并减少SOC估计误差,实现算法对SOC估计初值的不敏感性。最后使用美国机车工况测试UDDS标准模型,对实际采集的电池模型进行仿真实验,其结果验证了所提出的算法可行性和有效性。     

大功率动力电池组BMS的主动均衡混合策略

由于电池的不一致性,电动汽车、叉车以及其他大功率动力电池组的电池管理系统(battery management system,BMS)至关重要,精确的荷电状态(state of charge,SOC)估计和高效的均衡策略是BMS的技术核心.基于同步双向反激式变压器的均衡电路拓扑,提出一种以电池SOC、电压为均衡变量的分段式主动均衡混合策略.通过搭建BMS电池组实验平台,开展了充放电阶段的均衡实验,结果显示充电阶段均衡后电池组总容量提升了2.3％,单电池电压极差由74 mV减小至9 mV;放电阶段均衡后单体SOC误差不大于0.5％.实验验证了所提主动均衡混合策略的有效性与可行性,能较好地改善电池组的不一致性.     

矿用防爆车辆锂离子蓄电池安全性能分析

从锂离子电池材料和生产工艺两个方面分析导致磷酸铁锂电池不安全行为的发生机制,并进一步分析了锂离子电池组安全性的关键问题以及降低安全风险的主要途径,同时通过某型号的纯电动防爆锂离子蓄电池无轨胶轮车对锂离子电池组的SOC估算、主动均衡等技术指标进行了验证。结果表明:通过电池管理系统的优化完善,能够有效降低因单体电池不一致性导致的电池组安全风险,延长电池组的使用寿命。     

锂离子电池组合前后的特性研究

为更好地使用锂离子电池组,更精确地估算电池的荷电状态(SOC),对锂离子电池组合前后进行了常温4.0 A充放电、常温7.5 A放电、-20℃下4.0A放电以及55℃下4.0A放电等实验测试.实验结果显示:锂离子电池成组后的充放电特性有所下降,电池组总容量下降为单体电池的90%左右,SOC偏低,工作电压的下降速率在放电末期急剧上升,可达平台区的50倍.对电池组的一致性进行了分析,得出锂离子电池成组时应充分考虑单体电池的一致性;在估算SOC时,采用电池组参数和单体电池参数相结合的方式.     

电力系统备用电池健康状态估计

电力系统备用电池的健康状态(SOH)与其所处两种工况密切相关。循环工况对电池组单体最大压差有影响,浮充工况对电池组单体平均内阻和电池组质量有影响,分别研究这两种状态下不同参数与电池组SOH的关系,建立电池健康状态-最大压差和健康状态-内阻均值和质量两个电池模型,再将二者用不同权值融合起来,得到最终的SOH估计结果。经过实验验证,应用该模型和算法,可以对SOH取得良好的估计效果。     

一种分阶段锂离子电池荷电状态估计算法

为了解决安时积分法无法估计电池荷电状态(SOC)初值以及在电池充放电后期估计误差明显增大的问题,基于纯电动物流车平台提出了分阶段处理思想。根据电池系统的工作状态,将估计过程分为启动初期、充放电中期和充放电后期。在启动初期和充放电中期,结合开路电压法与安时积分法来估计电池组SOC,并对安时积分公式中的相关参数进行修正。在充放电后期,应用充放电曲线修正充放电后期SOC,对安时积分法估计SOC的不足进行补偿。搭建了锂离子电池组充放电测试平台,并进行了电池组放电实验。结果表明,SOC估计误差在4%以内,并能够满足电池管理系统优化控制的应用需求。