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。     

基于CAN网络的磷酸铁锂动力电池管理系统的实现

根据磷酸铁锂动力电池在电动汽车上的使用要求,提出一种基于CAN总线网络的电池组在线监测和管理设计方案,由一个中央管理模块和若干底层监控模块构成分布式结构,实现对磷酸铁锂电池信息数据监测、电池荷电状态(SOC)估计、控制局域网(CAN)通信及充电管理等功能.通过采用推广的卡尔曼滤波算法,不断估算和修正参数,提高了SOC估算精度.试验结果表明,系统能很好地对电池组进行实时动态监控和有效管理,且扩展性强,为设计新型电池管理系统提供了重要依据.     

基于开路电压法的磷酸铁锂电池SOC估算研究

为了提高磷酸铁锂电池的安全性和使用寿命,需要对电池中最重要的参数——荷电状态(state of charge, SOC)进行有效的估算。因此,对电池SOC的估算方法进行研究,通过一种精简的开路电压法可以快速并相对准确地估算磷酸铁锂电池的SOC,相关充放电实验确定了开路电压与电池SOC的对应关系,并分别选用静置前后的开路电压对电池的SOC进行估算。结果表明在磷酸铁锂电池出色的性能基础上,这种简单快捷的开路电压法可以精确地估算其电池的SOC。     

磷酸铁锂动力电池组充电系统的设计与实现

为了提高电动汽车动力电池组的性能,延长电池使用寿命,降低电动汽车运行成本,必须对磷酸铁锂动力电池组充电过程进行监控。根据磷酸铁锂动力电池组充电技术要求,对磷酸铁锂动力电池组充电系统进行设计,并利用所设计的充电系统对磷酸铁锂动力电池组进行充电试验。试验结果表明整个系统可以对磷酸铁锂动力电池组充电过程进行实时监控,并能实现对各单节电池的过充保护,充分发挥磷酸铁锂电池的性能。     

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。     

基于极限学习机的磷酸铁锂电池SOC估算研究

SOC(state of charge)的准确估算是电池管理系统的重要目标之一。针对传统神经网络方法在磷酸铁锂电池SOC估算中存在计算复杂、学习时间过长的问题,提出了一种新的基于ELM(extreme learning machine)的电池SOC估算方法。利用电池充放电系统完成磷酸铁锂电池在不同电流下的放电实验,获得实时测量的电压、电流。运用实验获得的数据对模型进行训练和预测,将预测效果与BP(back propagation)神经网络和SVM(support vector machine)进行对比,研究ELM在SOC预测中的可行性和优势。经分析可知,基于ELM的磷酸铁锂电池荷电状态估算模型的精度更高,并且网络训练速度得到大幅提升。     

一种BMS对磷酸铁锂SOC修正策略设计

考虑磷酸铁锂电池的特性,根据不同状态 (上电和过程)、不同时间 (上电时间)、不同工作模式 (放电和 充电)下的SOC采用三种不同修正方案.针对不同状态,在上电后进行分段修正,在过程中采用单段修正;针对不同时间,考虑两次上电时间较短,不进行修正,防止误修正;针对不同模式,放电下进行动态和静态两种修正,充电下采用满电修正。此设计是在现有的SOC估算分析基础上提出的一种准确的修正磷酸铁锂电池SOC的方法,对于解决磷酸铁锂电池SOC不准问题有重要意义。     

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。     

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。     

EV用LiFePO_4电池管理系统的研究与实现

为增强电动汽车(EV)电池管理系统功能,提出一种基于无线射频(RF)网络的电池组在线监测和管理设计方案,通过无线网络的分布式控制,实现了对磷酸铁锂电池参数精确监测及数据传输等功能,并采用多种算法相结合对电池荷电状态(SOC)进行估算,提高了估算精度.实验结果表明:本系统能很好地对电池组进行实时动态监控和有效管理,为设计新型电动汽车电池管理系统提供了重要依据.     

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。     

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。     

磷酸铁锂锂离子电池SOC的电流脉冲探测

在不同荷电状态(SOC)下,研究磷酸铁锂(LiFePO4)锂离子电池对充放电电流的响应程度,确定几组响应最强烈的电流.将电池组在实际装车运行中该电流下的脉冲数据与电池管理系统中的数据对照,作为辅助方法对当前计算的SOC进行校正,然后采取合适的策略对电池组均衡.试验证明,电池组的容量提高了10％以上.     

自适应神经模糊系统的LiFePO_4电池SOC预测

利用自适应神经模糊系统(adaptive neuro-fuzzy inference system,ANFIS)对电动汽车磷酸铁锂(LiFePO4)电池荷电状态(state of charge,SOC)预测研究。在分析ANFIS结构原理基础之上,采用BP(back-propagation)算法和最小二乘估计的混合算法分别建立两输入变量和三输入变量的ANFIS预测模型,并利用两种模型进行SOC预测。实例预测结果表明ANFIS能精确预测磷酸铁锂电池SOC值,且三输入变量ANFIS模型预测精度得到改善;与实测相比,三输入ANFIS预测模型的最大绝对误差在1%以下,平均百分比误差(average percentage error,APE)小于2%。     

电动汽车用LiFePO4/C锂离子蓄电池性能

对最新开发的150AhLiFePO4/C锂离子蓄电池进行了试验测试。分析和评价了其电压特性、容量特性、直流内阻特性、功率特性和温度特性,同时与其他动力电池的性能进行了比较。研究表明,LiFePO4/C锂离子蓄电池在安全性、循环寿命、成本和对环境友好等方面的特点适于电动汽车应用,但综合性能优势尚不明显,尤其是低温性能需要改善,比能量和比功率需要进一步提高。     

锂离子电池正极材料的性能研究

对电动自行车用锂离子电池正极材料的电性能和交流阻抗特性进行了分析研究。结果表明,LiFePO4和LiMn2O4两种材料各有优点和不足之处,LiFePO4电池的高温性能和荷电保持能力较好,而大电流放电能力和低温性能较差。LiMn2O4电池的大电流放电能力较好,高温荷电保持能力较差。     

变电站直流系统中LiFePO4电池容量选择

以某110 kV变电站作为范例,结合变电站的规程和磷酸铁锂(LiFePO4)锂离子蓄电池的特性,详细介绍在站用电源领域LiFePO4锂离子电池的容量计算.     

新充电方案对锂离子电池组循环性能的影响

用传统充电方案与新的充电方案交叉的方法对36V/10Ah LiFePO4锂离子电池组进行循环性能测试,结果发现:新的充电方案可以在一定程度上提升电池组的循环性能,对于单体性能差异较大的电池组,其改善效果尤为明显。通过实验分析发现,电池组循环性能的衰减主要是由于电池组整体的差异性而使得充电容量的衰减,而非单体性能的下降。另外,通过对电池组中3个单体进行单独放电而故意加剧电池组间单体电池荷电状态失衡,从而模拟实际使用过程中可能会出现的单体间自放电率差异较大的情形。在此种状态下,新的充电方案可以通过10次的循环过程将电池组容量恢复至正常水平。因此,新的充电方案可以有效地均衡电池组间单体容量差异,从而避免使用过程中由于单体间自放电差异的存在和累积而导致电池组寿命的急剧缩短。     

石墨形貌对锂离子电池倍率性能的影响

选取了4类不同形貌的人造石墨样品作为锂离子动力电池的负极材料,结合XRD、SEM等手段对石墨的结构、形貌和物理性能进行分析,并组装圆柱形磷酸铁锂(LiFePO_4)动力锂离子电池进行电化学性能测试,综合考察石墨形貌对动力电池倍率性能的影响。采用二次造粒型石墨负极的LiFePO_4电池表现出较好的倍率和循环性能,6C倍率放电保持率达105.9%,6C放电温升32℃,6C循环200次,容量保持率91.06%。     

10Ah LiFePO_4锂离子电池高温贮存性能研究

锂离子电池贮存性能近来越来越得到重视。考察了不同充电状态、不同贮存温度的LiFePO4锂离子电池的剩余容量、恢复容量、内阻、充放电平台以及充放电循环寿命。结果表明:在磷酸亚铁锂电池使用时,80%荷电状态的电池贮存性能好于100%荷电状态的电池,而且从安全性考虑,满电态贮存的电池危险性也很大。