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.     

基于交流阻抗谱的锂离子电池老化模式量化方法

针对锂离子电池老化实验过程中交流阻抗谱呈现2种不同变化趋势的现象,加入了双等效电路模型分析的思路,设计了一种能适用于2种交流阻抗谱特性的老化模式量化方法 .根据这种老化模式量化方法,进行不同条件的电池老化实验,并研究了3种老化模式的变化趋势,指出一个适用于本实验电池的多种老化条件下的统一规律:活性锂离子损失和活性材料损失在老化过程中影响比较明显,其中活性材料损失影响最为明显,与活性材料损失相比,电导率损失与活性锂离子损失在老化过程中的影响较弱.     

锂离子电池三元正极材料[Li-Ni-Co-Mn-O]的研究进展

从制备性能、改性和安全性能3个方面,论述了锂离子电池三元正极材料[Li-Ni-Co-Mn-O]的研究现状,指出了其产业化所面临的问题,并给出了相应的对策.     

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。     

基于UKF方法的锂离子电池荷电状态估计研究

选用二阶RC回路的电池模型,以单体的磷酸铁锂动力电池为研究对象,通过充电/放电电流脉冲实验获得电池模型中的各个参数变化范围,研究其荷电状态(SOC)的估算方法.根据电池模型的状态方程和输出方程,运用MATLAB软件,利用无迹卡尔曼滤波(UKF)方法来估算锂离子电池的SOC,并将其估算结果与扩展卡尔曼滤波(EKF)方法的估算结果进行比较.实验结果表明UKF方法能够更精确地估计出动力电池的SOC.     

锂离子电池正极材料层状镍钴锰复合材料LiNi_xCo_yMn_zO_2的研究

层状镍钴锰复合材料LiNixCoyMnzO2具有比商业化锂离子电池正极材料——Li-CoO2低廉的成本、更低的毒性、更好的热稳定性,近年来受到广大科研工作者的关注.本文重点介绍了近年来层状镍钴锰复合正极材料合成方法及掺杂、包覆改性方面的研究成果,并简要概括了目前存在的问题及材料未来的研究趋势.     

基于强跟踪卡尔曼滤波的电池SOC估计

针对锂电池模型不准确和状态突变导致SOC估计精度不佳的问题,提出了引入时变渐消因子的强跟踪卡尔曼滤波算法.以HPPC试验方法辨识了锂电池的等效二阶RC模型,对比分析了现有的扩展卡尔曼滤波原理及提出的强跟踪卡尔曼滤波算法.通过结合强跟踪原理和卡尔曼滤波算法并引入时变渐消因子,提出的方法能够强制估计残差保持正交特性,并保证残差满足高斯白噪声特性.仿真验证表明,与扩展卡尔曼滤波原理相比,在模型不准确和状态突变的情况下,强跟踪卡尔曼滤波算法具有更高的估计精度,估计误差低于2.5%,提高了近45%.     

基于改进多新息扩展卡尔曼滤波的电池SOC估计

为了提高SOC估计精度,提出基于遗忘因子改进多新息扩展卡尔曼滤波（FMIEKF）方法. 建立锂离子电池的双极化等效电路模型,开展开路电压测试. 通过递归最小二乘法,实现电池模型参数在线辨识. 提出FMIEKF进行SOC估计,该方法在融合多新息辨识理论和卡尔曼滤波基础上,引入遗忘因子削弱历史数据修正权重,解决数据过饱和问题. 通过实验和硬件在环进行验证. 结果表明,FMIEKF具有较高的准确性和收敛性,最大估计误差为0.948%,平均误差为0.214%,在不同SOC初值下20 s内收敛,可以适用于实际的电池管理系统中.     

锂离子电池负极材料多孔硅/硅铁合金的制备及性能

为改善锂离子电池硅负极材料的电化学性能,利用镁热还原法制备了不同铁掺杂量的多孔硅/硅铁合金复合材料,并对其结构以及在锂离子电池中的充放电性能进行了研究.材料均呈现多孔结构,硅铁合金均匀分布在孔道内部.多孔硅/硅铁合金复合材料具有较好的循环稳定性,在0.1C倍率下循环100圈后可逆容量为1 133.5 m A·h/g,容量保持率为66%;在1C倍率下可逆容量仍可以达到776.9 m A·h/g.     

基于IPSO-GRU的锂离子电池剩余使用寿命预测

为了提高预测锂离子电池剩余使用寿命(RUL)的精度,提出了一种基于改进型粒子群算法(IPSO)与门控循环单元(GRU)神经网络的锂离子电池RUL预测模型。首先,通过改变PSO算法的惯性权重和学习因子的更新规则,提高其寻优能力;然后,通过IPSO算法优化GRU神经网络的参数选择,搭建IPSO-GRU模型。最后,利用美国国家航空航天局(NASA)公开的锂离子电池实验数据进行试验,验证IPSO-GRU模型的准确性。实验结果表明,相比于直接采用单一GRU模型,所提IPSO-GRU模型降低了容量预测误差,有效提高了锂离子电池RUL预测精度。     

锂离子电池用硅/石墨/碳复合负极材料的电化学性能

为改善锂离子电池硅负极材料的电化学性能,利用镁热还原法制备了不同铁掺杂量的多孔硅/硅铁合金复合材料,并对其结构以及在锂离子电池中的充放电性能进行了研究. 材料均呈现多孔结构,硅铁合金均匀分布在孔道内部. 多孔硅/硅铁合金复合材料具有较好的循环稳定性,在0.1C倍率下循环100圈后可逆容量为1133.5mA·h/g,容量保持率为66%;在1C倍率下可逆容量仍可以达到776.9mA·h/g.

     

动力锂离子电池荷电态估计的建模与仿真

针对混合动力车用8Ah锂离子电池荷电状态(SOC)的估算,研究了基于该种电池稳态特性的Map建模与仿真.选取对SOC有重要影响的电压、电流、温度等参数,对电池倍率充放电特性和开路电压与SOC关系进行了系统研究.再通过插值、拟合等方法补充实验缺省数据,获得Map模型的参数,从而建立电池稳态特性Map模型.将建立的模型在模拟工况实验中进行仿真和修正,采用温度系数修正法进行补偿.采取了一些数据压缩方法,以加快查询速度.模拟工况的结果表明,该模型对电池稳态SOC估算的误差在±4%以内.     

锂离子电池正极材料LiMn2O4的电化学性能

锂掺杂到尖晶石型锂锰氧化物中时,锂掺杂量对材料的结构、初始容量及循环性能都有明显的影响.利用循环伏安法、恒电流充放电法研究了尖晶石型锂锰氧化物的电化学性质,并从结构化学的角度分析了充放电机理.结果表明,过量锂的锂锰氧化物具有两个氧化还原峰,放电容量大,可逆性好.当Li1+xMn2O4中的x=0.05时,其容量最高,稳定性最好.     

基于锂离子电池线性化模型的电流传感器故障诊断

为了对锂离子电池输入电流传感器的故障进行诊断,采用耦合了电池集总热力学模型的一阶Thevenin等效电路模型,基于该模型设计了滑模观测器用于故障诊断策略研究.首先,对非线性参变锂离子电池模型进行线性化,建立了满足整个运行工况运转精度的线性参变锂离子电池模型.然后,对线性参变锂离子电池模型进行重组变换,使原系统中的作为输...     

不同硫源对锂离子电池负极材料Sb2S3的影响

以酒石酸锑钾为原料,硫代硫酸钠、硫脲为硫源,通过水热反应制备不同形貌的硫化锑(Sb_2S_3)。采用XRD、SEM、EDS、循环伏安(CV)和恒流充放电等测试手段,探讨不同硫源对Sb_2S_3的形貌和电化学性能的影响。结果表明:不同的硫源对Sb_2S_3的形貌结构有较大影响,以硫代硫酸钠为硫源时,形成的Sb_2S_3以粗的棒状结构为主;以硫脲为硫源时,形成的Sb_2S_3以细的棒状结构为主。在0.1C的电流密度下,以硫代硫酸钠合成的Sb_2S_3样品的电化学性能更好,其最大的放电比容量可达618.6 m A·h/g。     

5V锂离子电池正极材料的制备和电化学性能研究

用液相法合成出用锂和镍取代的尖晶石锂锰氧化物正极材料.用XRD和FTIR对其进行了表征,并探讨了其在有机电解液的电化学性能.研究结果表明:在锂锰氧化物掺入适量的镍(锰∶镍的摩尔比为1.4∶0.6)可以改善尖晶石LiMn2O4的循环性能,提高放电平台,使其大部分容量往高电位方向移动,电池的放电电压提高,这样的材料适合做5V电池的正极材料.     

多孔碳材料的制备及其在锂离子电池中的应用

利用溶剂热法,将前驱体ZIF-8通过高温在氮气保护的气氛下进行碳化,得到高比表面积的多孔碳材料.通过X射线衍射仪分析材料的物相,比表面积分析仪检测材料的比表面积和吸脱附情况,用扫描电镜来观察材料的微观形貌;最后,对多孔碳材料在锂离子电池中的电化学性能进行了测试,0.1C条件下测得的比容量为284.61 mAh/g,且循...     

锂离子电池硅/石墨复合负极材料的制备及性能研究

锂离子电池发展的重要目标之一是高容量的负极材料,而硅材料以其高达4 200 mAh/g的理论比容量成为研究热点;但是硅负极材料有较大的体积效应,从而造成其电化学循环性能的快速下降,限制了其在生产中的应用.本研究以纳米硅与石墨不同比例的掺杂,通过高能球磨与退火处理,表明当硅与石墨比例为2：1时,首次放电比容量可达2 136.4 mAh/g,同时首次的充放电效率为85.5%; 经过35次循环之后,其可逆容量的保持率85.3%,具有良好的电化学性能.硅/石墨复合材料良好的电化学性能,使其在锂离子电池负极材料的生产及应用中具有重要研究价值.     

基于改进BPNN-MPF算法的锂离子电池SoE估计

为了提高锂离子电池能量状态（SoE）估计的准确性,考虑到电流或电压传感器噪声会累积误差,提出了一种基于改进反向传播神经网络（BPNN）与模型预测滤波（MPF）相结合的SoE估计方法。基于一阶RC等效电路模型,采用MPF算法估计电池的SoE,并使用改进BPNN对MPF算法的估计结果进行误差补偿。在NEDC工况下验证了本文方法的准确性。结果表明,与传统MPF算法和BPNN-MPF算法相比,本文方法的SoE估计值能较好地收敛到真实值,且最大绝对误差和均方根误差均在1%以内。