锂电池组关键参数模块化在线检测方法研究

锂电池是一种新兴的绿色清洁能源。与其他的化学电池相比,锂电池具有寿命长、能量密度高的优点。由于电池组电压、电流、温度等关键参数至关重要,采用模块化设计思路,结合芯片采集与高可靠数字通信基础,研究了一基于LTC6804的锂电池组关键参数检测的硬件系统。对锂电池组的关键参数进行了研究。采用STM32作为控制中心,LTC6804作为电压采集芯片,INA219作为负载电流检测模块,DS18B20作为温度检测器件。系统的电路板尺寸为110 mm×84 mm。其具有高集成度、空间利用率高的特点。试验结果表明,系统下单体电压值采集绝对误差低于2 mV、电流值采集绝对误差为10 mA、温度采集绝对误差为0.5℃,整个系统具有较高的精确度和可靠性。该系统可为锂电池组提供关键参数的精确检测,对锂电池组的安全运行有着重要意义。     

锂离子蓄电池组工作状态实时检测方法研究

高容量锂电池蓄电池组,在便携电子产品、航空、电动汽车等领域具有广泛的应用需求,但是锂电池组的广泛应用具有安全隐患瓶颈问题亟待解决。本文针对安全隐患的产生机理与防治措施,对锂电池的工作特性进行分析。基于对锂电池组工作状态的实时检测方法研究,以STM32为处理器,通过对元器件的合理选择,设计了一套锂电池组工作状态中对电流、电压实时检测系统。通过使用3串2900mA的18650锂电池进行仿真测试,验证了该系统的可行性和精度。实验结果表明,该系统能够有效抑制各种对测量的干扰因子,实时获得锂电池组单体电压、总电压和充放电电流等参数。     

基于在线参数辨识和改进2RC-PNGV模型的锂离子电池建模与SOC估算研究

锂电池荷电状态(state of charge,SOC)的准确估计对电池安全监测与能量的高效利用具有重要意义.提出一种新的验证模型,首先对电池新一代汽车合作伙伴(PNGV)模型进行改进,考虑电池充放电的差异,加入了二极管电阻的并联网络来代替传统PNGV模型的内阻,在此基础上,增加了一个RC的并联网络来表征电池的动静态特性.以三元锂电池为研究对象,通过遗忘因子最小二乘法(forgetting factor recursive least square,FFRLS)对改进模型进行在线参数辨识,并提出了主充电、放电实验对锂电池工作特性进行仿真分析,通过FFRLS-EKF算法在DST工况下对SOC进行估算.实验结果表明,改进的2RC-PNGV模型能够较好地反映锂电池工作特性,HPPC实验的平均电压误差为0.17％,模型具有较高的精度.主充电过程SOC平均估算误差为0.957％,最大估算误差为5.03％;主放电过程SOC平均估算误差为0.807％,最大估算误差为3.38％,表明改进的2RC-PNGV模型与联合估计算法均可用于SOC实际估算.     

一种基于EKF和Thevenin的锂电池SOC估算新方法

估算锂电池的剩余电量一直是当前研究的热点,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。本文提出了一种基于扩展卡尔曼滤波(EKF)算法,并选用戴维南(Thevenin)模型来对锂电池的剩余电量进行估算。本文在戴维南模型的基础上建立了电池的非线性状态空间方程,通过实验和仿真的结果表明,该算法的误差小于3.00%,精度达到了应用的要求。     

基于改进型无迹变换的锂电池组SOC值智能预测方法

以6节成组的航空锂电池组为检测对象,提出一种改进型无迹变换方法,通过精简三粒子和双重Sigma化处理过程,实现剩余电量估算值(SOC值)的有效迭代计算。仿真与实际测量的比较结果表明:该方法误差低于3.00%,有效提高了SOC值的估算精度。