基于电池组模型的EKF-UKF电池参数和

在电池的使用过程中,电池组荷电状态(SOC)的准确估计对电动汽车的使用起到非常重要的作用,直接关系到车辆的续航里程。同时组成电池组的电池单体SOC的一致性会直接影响电池组的充、放电效率。在电池的使用过程中,组成电池组的电池单体会存在一定的不一致性,这使得电池组的SOC估计相当困难。在分析电池单体模型的基础上,对电池组进行建模,并使用重组状态空间方程的方法降低电池组状态空间方程的维数,同时使用EKF-UKF对电池组的内部参数和电池组的SOC进行观测和估计。最后通过恒流工况和DST工况验证算法的准确性和正确性,并分析了电池单体间的不一致性对电池组容量的影响。     

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。     

一种锂离子电池低温SOC估计算法

电动汽车在低温地区工作运行,电池组的性能会下降,低温对电池组充放电容量的影响比较大。为了使电动汽车在低温地区能够正常工作,低温下准确的SOC估计是必不可少的条件。本文提出了一种改进安时计量法适用于不同温度条件的电池SOC估计算法,该算法主要考虑了不同温度下电池实际可用容量的变化对SOC估计的影响,并且可以对不同温度下估算的SOC进行换算。通过平台实验验证,该算法在不同的温度环境下具有较高的精度。     

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。     

基于可变温度模型的锂电池SOC估计方法

动力电池的荷电状态(state-of-charge,SOC)是电动汽车的重要参数之一,而准确的电池模型是提高SOC估算精度的前提。温度对电池相关参数的影响是目前研究的热点,然而现有的电池模型难以适应连续变化的温度环境,且测试工作量大。基于Nernst电化学方程,提出了一种新型的电池建模方法,运用统计学原理,通过测量较少的数据得到较为精确的电池模型,相关参数能够用包括连续变化的温度等多因素进行拟合。通过在不同温度环境下模拟电动汽车实际工况,对锂电池进行放电实验,通过试验设计的方法建立电池模型,结合扩展卡尔曼滤波算法实现对锂电池SOC的动态估计,仿真和实验结果验证了所提方法的优越性。     

锂电池组动态热模型在混合动力汽车中的应用

锂离子电池热模型对于电池单体和热管理系统的设计有着重要的意义,研究串并联组合的锂离子电池组在混合动力汽车系统中的性能和寿命,提出面向控制的电池组动态热模型,该模型能根据电池组当前的环境温度、运行负荷、冷却强度和初始荷电状态实时估计电池组中各单体电池的运行温度。实验利用18650型锂离子电池单体,实现3并3串和3串3并形式的电池组循环充放电,得到单体电池温度分布曲线。仿真比较结果表明,提出的电池组热模型具有较高的估计精度,满足混合动力汽车的热管理系统的设计要求。     

动力电池管理系统设计及SOC实时在线估计方法

针对电动汽车动力电池组的管理需求,设计了一款基于MC9S12XEP100和LTC6804的锂电池管理系统,实现对单体电池电压、电流和温度实时监控、电压均衡管理、热管理、充放电管理、数据存储和上位机显示功能。针对电池荷电状态(state of charge, SOC)估算精度和实时性方面的问题,提出了一种新颖的开路电压和安时积分融合型SOC估算方法,有效减小了开路电压处于平台期造成的误差影响。采用Arbin电池测试设备对上述功能和SOC估计方法进行了测试验证。结果显示,电池电压误差小于0.07 V,温度误差小于1℃,SOC估算误差小于1.2%,因此,设计系统可用于实际电动汽车动力电池组管理,实现电池SOC实时在线准确估计。     

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。     

串联锂离子电池组仿真技术研究

在电动汽车车载电池、电池储能系统等应用中,由于单体电池性能和参数的限制,为满足电压需求将电池串联使用。选取锰酸锂电池的Thevenin等效电路模型,在实验基础上识别模型状态参数,建立了单体及三种串联电池组的计算机仿真模型并进行对比分析,串联电池组充放电实验的仿真结果说明了将串联电池组等效为一个电池的误差最大。进一步结合电池参数数理统计提出一种实现大规模串联电池组仿真的方法,16模块串联的电池组实验验证了其精度,为电动汽车整车仿真、电池储能系统实时数字仿真的电池模块提供一种仿真方法。     

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。     

动力锂离子电池管理系统的研究进展

锂离子电池是发展电动汽车的最具潜力的能源载体之一,从锂离子电池应用于电动汽车的研究现状出发,阐述了锂离子电池管理系统对于锂离子电池组的重要性以及研究的必要性。介绍了动力锂离子电池管理系统的发展现状,包括电池组外部参数的在线检测、SOC估计以及电池组的均衡,并对动力锂离子电池管理系统未来的发展方向做出了展望。     

电动汽车蓄电池管理技术

电动汽车一般采用蓄电池组作为动力源,蓄电池组的管理问题是电动汽车发展的瓶颈。电池管理系统不可避免地存在误差问题,设计具有理想性能的电池管理系统是一件具有挑战性和吸引力的工作。分析了蓄电池的等效电路模型、荷电状态(SOC)估算方法以及电池管理系统存在的一些问题。     

串联电池组接触电阻故障诊断分析

开发资源节约型、环境友好型的电动汽车是当前全球汽车技术革命和产业转型的前沿阵地和技术制高点。为确保电动汽车行驶过程中的安全,避免电池发生功率衰退故障,采用一阶RC等效电路模型分析电池组的接触故障,并利用最小二乘法对模型参数进行识别,研究模型参数随电池荷电状态的变化规律。然后,在Simscape仿真模拟电池故障现象的基础上,分析出现电池电压变化异常的电池故障,得知其原因为接触电阻故障或内阻异常增加。最后,通过实验对比故障前后单体电池的电压、电流和内阻,总结得到电池发生接触故障的方法。     

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.     

基于SOH及离线数据分段矫正的锂电池SOC估计

锂离子动力电池在电动车辆上应用时,受工况、环境等随机因素影响,SOC具有很强的时变非线性,对电动车辆动力电池SOC估计进行研究具有理论意义和应用价值。安时积分法是目前工程中常用的SOC估计方法,在应用过程中存在的难点是积分过程中累积误差的消除。首先利用电池健康状态估算出电池当前时刻的实际可用容量,作为安时积分法中的除数项,对SOC估计值进行矫正;其次,利用离线数据对安时积分法中的累积误差进行分段消除。仿真结果表明,所提方法比传统的安时积分法具有更高的精度,能够较好地消除累积误差。     

基于能量转换策略的锂电池组均衡技术研究

针对目前电动汽车锂电池组中模组能量不均衡的难题,以电动汽车的三元锂电池组为研究对象,通过电感的方式建立模组间的主动均衡模型,以模组间SOC最大值与最小值的差值作为均衡系统是否开启的判断依据,并对所提出的模型方案进行仿真分析。实验结果表明:所搭建的电感式均衡模型对于模组间的能量均衡有很好的作用,且在随着电池容量衰减、内阻变大的情况下,其均衡速率更快。     

基于BP神经网络法估算动力电池SOC

精确估计电动汽车用动力锂离子电池荷电状态(SOC)对于电动汽车的续航里程的估计和动力电池的安全保护具有重要的意义。针对锂离子电池的非线性关系,采用BP神经网络法来估算SOC。以3.2 V/100 Ah的磷酸锂铁电池为研究对象,在恒温条件下采用Arbin BT2000系列的充放电测试仪进行充放电实验采集原始数据,并将数据导入到神经网络模型中去训练和验证。验证结果表明:用BP神经网络法估算SOC的误差能控制在5%以内,验证了模型的准确性,为相似的SOC估计算法的改进提供参考和依据。     

新型充放电均衡一体化电池管理系统研究

电动汽车串联动力电池组的不一致问题,使得成组电池在容量利用、使用寿命及安全等方面的性能远不及单体电池.分析了电动汽车动力锂电池组不一致产生的原因,以及现有均衡方案存在的问题.提出了一种基于SOC的新型充放电均衡一体化电池管理系统(BMS)方案,并依据车载在线均衡要求设计了均衡硬件电路.实车验证表明,通过均衡模块作用整组电池的可用容量提高了 1.2％,降低了电动汽车电池的使用和维护成本.     

电动汽车综合性能试验台设计及制作

为了检测电动汽车控制器的性能、动力铅酸蓄电池组或者锂离子蓄电池组在使用过程中的参数变化、驱动电机的各项性能,设计出一种电动汽车综合性能试验台,包括负载配重块、主减速器、传动轴、变速器、带轮、驱动电机、主控制器、辅助控制器、负载电机、驱动电机、蓄电池组、加速踏板、制动踏板和蓄电池组。试验台在驱动桥的左右两端分别设置有六个模拟车辆不同载荷的加载配重块。试验台能够模拟车辆在不同载荷条件下的ECE(Economic Commission of Europe safety regulations)循环试验、制动能量回收试验等。控制器检测车辆运行速度、动力蓄电池组的工作电流、蓄电池组的端电压、蓄电池组在使用过程中的容量变化等参数,为电动汽车的研发提供试验平台。     

考虑铅炭电池组一致性的储能系统功率控制策略

针对储能系统不规则充放电导致的电池组一致性变差及单体电池过充/过放问题,研究铅炭电池组一致性变化规律,提出考虑电池组一致性的储能系统功率控制策略。采用包含储能电池组、风/光发电、电动汽车和常规负荷的共直流母线型集中式微电网并网示范平台的实测数据对所提功率控制策略与传统控制策略进行对比仿真分析。仿真结果表明,所提控制策略可有效降低电池组荷电状态(SOC)变化范围,提升电池健康状态,提高电池组一致性,减少过放电池数量,增强储能系统双向调节能力。