共查询到20条相似文献,搜索用时 122 毫秒
1.
《电源技术》2020,(2)
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。 相似文献
2.
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。 相似文献
3.
4.
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。 相似文献
5.
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。 相似文献
6.
7.
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。 相似文献
8.
9.
10.
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。 相似文献
11.
12.
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。 相似文献
13.
14.
基于神经网络的动力电池组SOC辨识方法 总被引:1,自引:0,他引:1
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. 相似文献
15.
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。 相似文献
16.
17.
18.
新型充放电均衡一体化电池管理系统研究 总被引:1,自引:0,他引:1
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. 相似文献
19.
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。 相似文献
20.