联合精确估算电池的健康状态

以动力电池的电压、电流、温度和内阻作为输入,荷电状态作为输出,建立四输入一输出的神经网络仿真模型预测电池的荷电状态。再以荷电状态为基础,改进电池健康状态的估算方法,分别利用改进型容量法、改进型内阻法和电压法3种方法分别估算出电池的健康状态,并利用遗传神经网算法建立了3种方法联合在一起的电池健康状态估算模型。以4节12 V的串联锂离子电池组模块为研究对象分别进行了Simulink仿真和实验研究,通过采集动力电池充放电时的电压、电流、温度、内阻和放电量数据,测试了电池的荷电状态和健康状态。实验结果表明电池荷电状态的预测精度为1.6%,仿真模型运行和实验结果显示联合法估算健康状态的最大误差为1.5%,高于其他3种单独的方法。本文提出的健康状态预测方法,省略了传统神经网络算法估算健康状态寻找健康因子的复杂步骤,同时也避免现有电池的健康状态估计单一参量判定方法的局限性。     

新型复合电源构型功率分配仿真研究

提出一种新型主动复合电源构型。采用一种新型的拓扑结构,利用单向DC/DC转换器来实现更高效率的功率分配方法。新型主动复合电源拓扑结构包括蓄电池、2个单向DC/DC转换器、超级电容器、逆变器,并选用模糊控制作为此拓扑结构的控制方法。通过ADVISOR进行仿真,结果表明工况结束时蓄电池拥有更多的剩余电量,从而可以提供更长的续航里程,超级电容器的回收峰值电流更高,蓄电池在工作时产生的电流幅值更小,保护了蓄电池的健康状态,从而实现了该结构对于超级电容器和蓄电池功率的准确分配。