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。     

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。     

基于改进安时积分法的电动汽车电池SOC估计与仿真研究

为解决安时积分法不能确定电池SOC初始值的问题,采用开路电压法与安时积分法结合的方法(OCV-AH法)估计电池SOC值,并对电池SOC估计系统的控制策略进行研究。控制策略采用开路电压法估计电池SOC的初始值,基于安时积分法实时估计电池SOC。通过Advisor软件获得工况仿真数据,并在Matlab/Simulink中建立OCV-AH法SOC估计仿真模型。仿真分析表明开路电压法能有效消除电池自放电对SOC的影响,为安时积分法提供较高准确度的SOC初始值;OCV-AH法在短时间内估计准确度较高,能够满足电池SOC估计的实际需要,但随时间延长,其估计误差有不断增大的趋势。     

基于在线LS-SVM的动力电池SOC估算方法研究

荷电状态(SOC)是描述动力电池状态的重要参数之一,提高SOC估计的准确性对电动汽车电池管理系统的研究至关重要。提出一种改进的最小二乘支持向量机(LS-SVM),动态地调整模型参数,对电池的开路电压(OCV)进行在线实时估计;通过SOC与OCV的关系确定初值,采用安时积分法估算SOC;并利用OCV的偏差信息对电池SOC进行修正,有效地补偿拟合误差和安时积分法产生的累计误差。仿真实验结果表明,在线LS-SVM算法能准确地逼近实际SOC值,平均绝对误差为1.279 3%。     

基于卡尔曼滤波修正算法的电池SOC估算

电池荷电状态(SOC)的估算是电池管理系统的核心内容,SOC估算准确与否,将直接影响到电池管理系统的决策和控制。在结合开路电压法、安时法的基础上,充分利用扩展卡尔曼滤波法的修正功能,综合考虑电池充放电倍率、温度和充放电循环次数等因素对SOC估算的影响,提出了卡尔曼滤波修正算法,并将其应用在插电式混合动力汽车电池管理系统中。研究结果表明,卡尔曼滤波修正算法有效地解决了传统安时法无法估计SOC初值和误差累积,以及开路电压法需要电池静置无法做到在线估算SOC等问题,获得了更高的估算精度,为电池管理系统提供一种实用的SOC估算方案。     

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。     

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。     

基于锂电池SOC估算方法

电池的荷电状态(State of charge,SOC)是锂电池组电池管理系统的重要参数,而电池的SOC估算受到很多因素的综合影响,难以保证其估算精度。准确的电池模型是精确估算SOC的基础,通过对电池模型的改进、模型参数的实时更新,提高了模型参数的精确度;修正的扩展卡尔曼滤波并结合修正的安时积分法,减小了温度、充放电倍率等因素的影响,从而提高了SOC估算的精度。     

HEV用卷式铅酸电池的性能研究

通过实验建模的方法研究了充放电倍率、环境温度和放电模式对电池容量的影响,推导出安时积分法中电流和温度补偿系数的计算公式。研究了不同温度和SOC下电池组的最大充放电性能。研究结果表明:卷式铅酸电池具有良好的充放电性能,适用于混合电动汽车(HEV)。     

具有在线修正功能的镍氢电池SOC估算方法

介绍了电动汽车用镍氢电池荷电状态(SOC)的常用估算方法。针对安时积分法结合开路电压法估算蓄电池SOC时累积误差偏大的问题，测试了镍氢电池充放电特性曲线，并对曲线进行多项式拟合，提出了根据电池不同工况进行条件判断，对估算值进行在线修正的估算方法。实践证明，本文所述估算方法能明显地减小累积误差，更好地满足电池SOC的估算要求。     

基于改进安时积分法估计锂离子电池组SOC

为了解决安时积分法不能估计锂离子电池组初始荷电状态(SOC_0),难于准确测量库仑效率和电池可用容量变化的问题,提出改进的安时积分法:建立锂电池二阶等效模型,结合恒流放电实验数据,推导出开路电压的预估公式,从而估算初始SOC;再通过大量实验,分析电池老化、库仑效率、电池总容量变化的影响因素,对该参数进行修正和优化。实验结果显示,改进的安时积分法误差达到0.03%。     

基于EKF修正算法的锂电池SOC估算

随着电动汽车产业的迅速发展,实时掌握动力蓄电池所处荷电状态,保证电池长期处于良好工作状态成为当前研究重点。由于锂电池充放电过程中复杂的电化学反应,电池荷电状态(SOC)与其影响因素呈现非线性动态关系,导致难以实时精确估算SOC。本文中,基于扩展卡尔曼滤波(EKF)修正算法对动力蓄电池SOC进行估算,并与传统算法进行比较。结果表明,该算法有效解决了采用安时积分法难以估计SOC初始值和累计误差的问题,大大提高了估算精度,使最大估算误差保持在2.0%以内。     

嵌入式电动自行车电池管理系统设计

分析了锂离子电池在电动自行车行业应用中存在的瓶颈,设计了以BQ77PL900为模拟前端,以MSP430为核心,能实现电压精确测量,扩展高低温保护,带有故障诊断、荷电状态(SOC)估算及数据记录功能的低功耗电池管理系统。系统使用安时积分法结合温度进行SOC估算,使用完整充放电法结合循环次数进行容量修正。设计了完备的数据记录功能,通过CAN总线上传电池SOC和使用信息。通过实验验证了电池管理系统的可靠性、稳定性及SOC算法的精确性。     

储能锂离子电池荷电状态估算方法

锂离子电池因其能量密度大、转换效率高以及反应快速等特点,已逐渐在大型储能系统中得到应用。为有效获知锂离子电池的荷电状态(SOC),在传统方法基础上,将开路电压法和安时积分法相结合,研究某单体容量为20 A·h锂电池的充放电特性,提出了一类兼具离线和在线修正能力的高精度SOC估算算法,为储能系统中的电池管理策略提供支持。     

锂电池SOC估算方法的研究

安时积分法是电池管理系统比较常用的一种方法,但是电池受初始荷电状态(SOC)、使用环境温度、充放电循环次数等影响较大。通过实验方法确定各种因素对电池SOC的影响,建立影响电池SOC的数学模型;经过与实际的充放电数据比较得到实际SOC误差低于5%,满足煤矿井下对大容量锂电池管理系统SOC估算的要求。     

模块化多电平储能复合变换器SOC均衡策略研究

以物理结构及功能上高度集成为目标的模块化多电平变复合变换器(modular multilevel hybrid converter,MMHC)电池储能系统(battery energy storage system,BESS)可以直接并入中、低压交流电网,相较于其他电池储能系统具有效率更高、成本更低的优点,有利于解决分布式新能源发电侧出力的间歇性和不确定性问题,实现用户侧负荷的削峰填谷.根据MMHC-BESS拓扑结构特点,给出了MHHC-BESS的调制策略,针对多电平变换器电池储能系统中电池组采用安时积分法配合开路电压法对电池荷电状态(state of charge,SOC)估计效果差的问题及MMHC-BESS能量利用率的问题,分别提出了基于扩展卡尔曼的电池模型闭环SOC估计策略及二层SOC均衡策略,实现了MMHC-BESS所有电池组SOC的精确估计及MMHC-BESS的相间、相内所有电池组模块SOC均衡,并搭建了仿真模型,验证了所提SOC估计方法及均衡策略的有效性.     

一种150V矿用锂电池管理系统的SOC估算策略

锂离子电池在生产生活中应用越来越广泛,由于目前电池技术的限制,单节电池达不到煤矿电机车的需求,因此需将多节电池串联成电池组,因单体电池的差异性,需要设计一个高效的电池管理系统,而关键技术是SOC估算。针对矿用这个特殊的环境,根据矿用电机车动力电池组的需求,提出了将安时积分法和开路电压法相结合的估算策略。由于锂电池的性能受多种环境因素的影响,其中最主要的是温度因素,因此在估算策略中加入了温度修正,更加准确地进行SOC估算。     

基于EKF算法的铅酸蓄电池SOC在线估计

针对快速充电设备需要快速、准确检测蓄电池荷电状态(SOC)的应用需求,在分析传统SOC估计方法不足的基础上,采用了扩展卡尔曼滤波法进行铅酸蓄电池SOC的估计。通过对铅酸蓄电池充放电过程的分析,基于改进的Thevenin模型,建立了7-HK-182型铅酸蓄电池的等效电路模型。通过Matlab仿真,对比安时积分法估计SOC数据,验证了扩展卡尔曼滤波法能够实时、准确估计蓄电池SOC的变化。     

基于EKF的锂电池状态估算策略

在研究与分析电池极化现象对电池状态(SOC)估算影响的基础上,提出一种扩展Kalman滤波(EKF)的算法对SOC进行估算,在Thevenin改进模型的基础上建立了电池的非线性状态空间方程,通过比较电池实际端电压和估算端电压的差值,修正安时积分法得到的SOC值,使得极化效应对SOC估算精度的影响大大减弱。仿真分析结果表明,此方法提高了电池SOC计算的精度。     

动力电池SOC预估方法研究进展

SOC估计是电动汽车电池管理系统的重要功能。动力电池在使用过程中,对荷电状态准确地进行估算可以有效提高电池的使用效率,提高电池的使用寿命。电池SOC不能直接测量,需要通过其它参数和方法间接获得。研究人员为了提高电动汽车电池SOC估计的准确性做了大量研究工作,采用的主要方法有:安时积分法、开路电压法、神经网络法和卡尔曼滤波法及其改进的方法等。主要介绍了各种SOC估计方法的原理及应用中存在的优缺点,评价了各种SOC估计方法。