安时积分和扩展卡尔曼滤波的荷电状态估算

电池在满电状态无法进行混合动力脉冲能力特性测试(Hybrid PulsePower Characteristic,HPPC),导致电池参数在荷电状态(State of Charge,SOC)值为0.9～1区间无法辨识.针对这一问题,提出了安时积分(Ampere Hour,AH)与扩展卡尔曼滤波(Extended Kal...     

基于HSMM的铝空电池后期SOC估计

电池荷电状态 (SOC) 的估算精度是影响新能源汽车性能的重要因素之一。传统的安时法由于累积误差较大始终无法满足精确的SOC估计。该文采用基于隐半马尔可夫模型 (HSMM) 的SOC预测作为安时法的一个补充, 使铝空电池后期估计精度可以得到保障。该模型的每个不同状态产生多组观察值, 根据各个状态之间的转换概率以及状态驻留时间可以比较准确地预测后期各个状态下的剩余寿命。经过实验仿真验证, 与单一的安时法相比, 结合HSMM的SOC估计精度在后期有较大提升。     

多功能锂离子电池SOC的估算管理与均衡管理研究

本文论述了多功能锂离子电池系统中对于电池的SOC的估算管理与均衡管理,其目的是为了更好地保护电池和提高电池的使用效率.     

自适应扩展卡尔曼滤波电池荷电状态估算方法

为更精确预估电动汽车动力源的荷电状态,优化戴维南等效电路模型,用自适应扩展卡尔曼滤波进行荷电状态估算.对实验电池进行外特性数据获取实验,分别得到在充放电状态下的开路电压曲线,在开路电压-荷电状态对应曲线中考虑充放电状态变化的因素.对离线参数辨识进行优化处理,在固定参数离线辨识的基础上考虑充放电状态和荷电状态,并与在线辨...     

电动汽车锂电池SOC估算研究

为了精确估算电动汽车锂电池的荷电状态(state of charge,SOC),本文通过对主流SOC估算方法进行分析与比较,提出了一种基于卡尔曼滤波算法的电动汽车能量管理系统(energy management system,EMS)SOC估算方法,同时采用联合模型以保证估算过程中有较好的精度,并在实验室条件下进行实测数据及MATLAB仿真分析。仿真结果表明,卡尔曼滤波算法对锂电池SOC进行在线实时估计是有效的,能够较为准确地计算出SOC值,且估算结果与实测值基本一致,该方法可以用于电动汽车锂电池SOC的估算,具有很强的实际应用价值。     

电动汽车电池荷电状态估算

为了精确估计电动汽车电池的荷电状态（ＳＯＣ）,将模糊神经网络和最小二乘支持向量机分别用来估计电池的ＳＯＣ,然后将两种方法相结合,交替地使用来预测电池ＳＯＣ. 在美国能源部纯电动汽车试验计划提供的混合工况ＵＤＤＳ－ＮＹＣＣ－ＵＳ０６＿ＨＷＹ驾驶循环实验中提取电池模型参数的充电／放电测试周期,用电池电流,电池电压和电池温度为独立变量,试验进行了８０ Ａｈ镍氢电池与动力测试周期来预测电池ＳＯＣ. 结果表明,此方法不仅可以准确的估算ＳＯＣ,而且能减少计算量.     

基于DKF的锂电池SOC与内阻估算

电动汽车电池管理系统(BMS)需要满足对电池荷电状态(SOC)进行准确地估算。为提高传统安时法估算SOC的精度,根据二阶RC等效电路模型,提出了双卡尔曼滤波(DKF)来完成对电池SOC及其欧姆内阻R0联合在线估算的算法。通过进行某型号三元锂电池的复合脉冲功率特性测试(HPPC)实验及放电实验等,离线拟合得到所需模型参数。将Matlab仿真结果与同等条件下的实验结果进行对比分析,证明了DKF算法能够有效地在线估算电池SOC及其欧姆内阻R0,且误差在3%以内。最后,证明了DKF算法能够比安时法更好地估算出各点处的SOC值。     

基于容量修正的安时积分法研究

针对传统安时积分法中容量修正模型产生误差的问题,引入电池表面平均温度与平均放电电流作为自变量,将锂电池放电过程中的温升与电流变化考虑在内,提出一种新的容量修正模型,其结构简单,更适用于工程实践,进而根据不同环境温度与电流的电池放电数据,确定模型参数.实验结果表明:新模型的容量修正效果优于传统模型,通过新模型进行容量修正...     

电动汽车锂电池SOC预测方法研究

为有效地对电动汽车锂电池荷电分布状态(SOC)进行预测,在分析与电池剩余电量相关因数,对动力电池组进行不同工况充放电试验的基础上,建立电池组的神经网络仿真模型。提出基于BP神经网络的电池剩余电量预测模型,利用模型可逼近任何多输入输出参数函数的性能,系统通过样本训练达到较好的仿真结果。与实验结果对比,仿真结果与实验基本吻合,验证了该方法的正确性.     

磷酸铁锂电池模型参数辨识与SOC估算

根据磷酸铁锂电池的特性,从电池电化学角度分析,建立电池的等效电路模型。通过实验方法测得电池开路电压与SOC关系和电池模型的参数,利用卡尔曼滤波法来估算电池初始荷电状态（SOC_0）.实验与仿真表明,该算法可以有效的估算出SOC初始值,并可以将误差控制在10%之内.     

电动汽车用锂离子电池低温性能和加热方法

为提高锂离子动力电池的低温充放电性能, 以锰酸锂80 Ah电池单体为研究对象, 进行低温下电池充放电特性实验研究, 提出宽线金属膜加热方法, 并对-40℃下的电池单体进行加热和放电实验, 采用不同的预热时间, 对加热后电池放电性能进行比较实验.结果表明:低温下, 电池的充放电性能显著衰减, 采用宽线金属膜加热方式能显著提升电池的低温放电性能;同时, 通过对比实验发现, 仅增加预热时间对提高低温电池放电性能的效果有限.     

基于单片机控制的电池管理系统

新能源汽车的快速发展使得车辆工程专业需要开设与电池相关的课程,但整车电池管理系统无法直观展示其工作原理,为此开发了一款基于单片机的电池管理系统(BMS).以STC89C52型单片机为主控芯片,完成了信号采集、处理及显示等模块元器件的选取,开发了电池管理系统的硬件系统电路,实现了电池电压、电流和温度的实时测量,并且通过开...     

基于UKF和AH法的磁悬浮人工心脏泵用锂电池SOC估计复合算法

针对锂电池的非线性特性,提出电池状态模型在不同循环次数、不同温度下的具体改进方法;提出安时积分法和无迹卡尔曼滤波算法结合的锂电池荷电状态(state of charge, SOC)复合估计算法,分析新算法的收敛速度、估计精度以及算法复杂度。试验表明,这种复合算法复杂度低,精度高,能快速实现锂电池SOC的准确估计,估算误差为4.036 2%,适合实时在线计算。     

圆柱18650锂离子动力电池放电及温度特性

能耗和环境问题促使电动汽车快速发展, 锂离子电池在电动汽车储能系统中具有重要的作用. 锂离子动力电池的特性与环境温度紧密相关, 倍率放电容量特性、荷电状态-开路电压曲线是反映电池基本性能的重要特性指标, 也是电池管理系统设计需要参考的重要参数. 该文对圆柱18650三元锂离子动力电池进行了相关的性能试验, 研究了单体和电池组开路电压变化规律、不同放电倍率下的电池容量和不同温度下的电池容量, 为荷电状态估算方法的研究及电池管理系统设计积累了数据.     

储能电站蓄电池SOC在线最优估计

储能电站中需要准确地掌握蓄电池组充电、放电两种在线工作状态的实时荷电状态(SOC),针对这一工程应用背景,通过改进的蓄电池电路模型,联合修正的E-SOC关系,分充电和放电两个状态,建立了Kalman滤波器状态空间方程,运用Kalman滤波算法,实现了恒温下对储能电站蓄电池组充放电状态实时SOC的优化估计.实验仿真结果表明:本方法合理简单,符合储能电站蓄电池组对SOC估计的精度要求,具有很强的工程实用性.     

电动汽车动力锂电池健康状态的建模与估算

复杂路况下,为提高电动汽车锂电池组健康状态SOH(state of health)估算实时性与准确性,通过扩展卡尔曼滤波算法估算荷电状态,结合锂电池组温度与单体锂电池电压,系统判断锂电池组健康状态,提示故障位置并及时更换。结果表明,通过建模对电动汽车锂电池组健康状态估算简单、方便、准确、高效。保证了锂电池处于最佳状态,提高了驾驶的舒适性与安全性,实用性强。     

基于 SHEKF-GPM 融合的锂电池 SOC 估算

荷电状态（SOC）是电池控制策略和管理系统的重要参数。针对积分法和电压法估算锂电池 SOC 时不能减少误差累积现象,提出一种基于平方根高阶扩展卡尔曼滤波（SHEKF）与灰色预测模型（GPM） 融合的算法,用于估算锂电池 SOC。该方法结合遗忘因子递推最小二乘法（FFRLS）和二阶 RC 等效电路模 型实时在线辨识和修改锂电池模型参数,结合 SHEKF-GPM 融合模型进行锂电池 SOC 状态方程的线性部分 和非线性部分估算。通过仿真分析,得到 SHEKF-GPM 融合算法估算 SOC 时的误差低于 0.3%,协方差误 差为 0% 左右,不会产生误差累积。仿真结果表明,该方法能减少误差累积,提高电池管理系统估算锂电池 SOC 时的实用性、有效性和估算精度。     

锂离子电池充电方法研究

本文阐述了锂离子电池的线性充电方案和脉冲充电方案的基本原理，通过两种充电方式在不同温度下充电时间和可用容量的对比试验、电池老化试验，得出了以下结论：脉冲充电方式比线性充电方式能够更快地给锂离子电池充电，而且充电后的可用容量两者大致相等；脉冲充电并不比线性充电更快地使电池老化。并从理论分析上分析了脉冲充电方式改善充电效果的原因。     

基于动力锂离子电池健康状态的全寿命周期优化充电策略

针对目前采用经验充电电流值的恒流恒压(CC-CV)充电策略导致电池老化严重的问题,提出一种优化充电策略。从电池整个寿命周期角度出发,基于锂离子电池容量衰退模型,以电池最小衰退容量为目标,采用数据库动态规划(DDP)对电池寿命周期进行规划,得到不同循环阶段下对应寻优充电电流分布,并分析充电电流对电池容量衰退的影响。最后,在Matlab/Simulink中与现有恒流恒压充电策略进行仿真分析对比,结果表明,该策略能够有效延长电池循环寿命。