动力型锂电池SOC与SOH协同估计

锂电池及其应用近年来逐渐成为研究热点。以提高电池管理系统(BMS)对电池荷电状态(SOC)和健康状态(SOH)的估算精确度为目标,在建立二阶Thevenin等效电路模型基础上提出一种能在线协同估算电池荷电状态和健康状态的改进扩展卡尔曼滤波算法。通过分阶段脉冲放电实验,并利用最小二乘法求得模型参数。在动态应力测试工况(DST)下借助Matlab对比分析了改进扩展卡尔曼算法在SOC和SOH估计精确度、错误初值时算法收敛性、算法复杂度等方面的性能。实验表明,利用该算法可以精确估计出各采样点处的SOC和SOH,误差低于1%;且在初值不准确情况下,运行算法可快速收敛至真值附近,算法估算结果的准确性与模型参数的微调无关,鲁棒性较好。     

基于EKF-PF算法的退役动力锂电池SOC估计

为准确估计退役动力锂电池的荷电状态（SOC）,避免其在储能系统中因放电容量不一致导致运行效果不佳,保障储能系统安全运行,提出了利用扩展卡尔曼粒子滤波算法（EKF-PF）与二阶Thevenin等效电路模型相结合的方法估计退役动力锂电池的荷电状态。该方法首先采用二阶Thevenin等效电路构建退役动力锂电池的等效电路模型,写出观测方程与状态方程;其次利用含遗忘因子的递推最小二乘法（FFRLS）对建立的等效电路模型进行参数辨识;最终通过EKF-PF算法在城市道路循环（UDDS）工况下对退役动力锂电池进行在线SOC估计,并与粒子滤波（PF）算法做对比。实验结果表明,EKFPF算法在估计退役动力电池SOC时能将其平均误差控制在1.23%以内,最大误差控制在3.37%以内,优于PF算法的估计结果。证明了EKF-PF算法在估计退役动力锂电池SOC时具有更高的精度和应用价值。     

梯次利用动力锂电池内部参数特性分析

为了研究退役锂电池内阻特性与荷电状态(State of Charge,SOC)的关系,以电动汽车淘汰实现梯次利用的18650动力锂电池为研究对象,对其进行不同温度(-20～20℃)、不同倍率(1C,2C)充放电测试,利用改进的电池模型测量电池的内阻,获得了退役锂电池内阻特性与环境温度、放电倍率及荷电状态之间的关系。研究结果表明,退役锂电池在充电实验中,温度变化、放电倍率对其内阻影响不明显;放电实验中,相同放电倍率下,退役锂电池内阻随着电池SOC的减小而减小;同一SOC值下,随着温度的上升,退役锂电池内阻逐渐变大,放电倍率越大,退役锂电池内阻越小。因此,退役锂电池内阻与环境温度、放电倍率、荷电状态互相影响,为退役锂电池分类梯次利用提供了参考。     

OCV处于平台期的汽车锂电池SOC估算的研究

对于开路电压(OCV)处于平台期的锂电池,剩余电量(SOC)的变化几乎不引起开路电压的变化,初值为这一时期的电池进行SOC估算,误差会增大。基于SOC动态观测模型,使用UKF,PF法对SOC初值为60%的磷酸铁锂电池进行SOC估计,根据电池放电试验所获得数据进行仿真,并辅以初值不在平台期的电池放电试验,结果显示在平台期PF法鲁棒性很差,其余区域PF法则可迅速收敛,得到精准的估计,而UKF法在每个区域都相对稳定。在实际应用中应结合这两种算法的优点,这样才能在电池放电过程中得到精确的估值。     

用于锂电池管理系统的SOC估算算法研究

锂电池具有供电安全可靠,维护费用低,占地面积小,重量小的优势,常作为数据中心供电的首选方案。精准的电池电荷状态（SOC）估算算法可以极大程度上保障锂电池管理系统的安全性与可靠性。针对传统安时积分法中无法确定电池SOC初始值以及在电流过小的情况下SOC偏差较大的问题,提出一种安时积分法和校准算法相结合的估算算法,目的是提高SOC估算算法的精确性。在不同倍率下进行充放电试验,实验结果表明,改进后的SOC估算算法误差有了明显的下降,该算法具有较强的可靠性。     

基于人工智能的锂电池SOC预测建模与优化

为了实现退役动力锂电池荷电状态(State of Charge,SOC)的预测,针对退役锂离子电池特殊的非线性关系,提出自适应法和列文伯格算法(Levenberg-Marquardt,LM)相结合优化BP神经网络估算退役锂电池SOC的VLLM动态模型,并验证了随机工况下退役锂电池SOC预测的可靠性。实验结果表明,该模型用优化神经网络法估算SOC的误差能控制在1%以内,随机工况误差在5%以内,提高了退役锂电池SOC的预测精度,为退役锂电池的梯次利用奠定了基础。     

基于RTS-IEKPF算法的锂电池SOC估算

针对瞬间大电流充放电使电池非线性加剧,使用迭代扩展卡尔曼滤波算法(IEKF)估算电池荷电状态(SOC)时会有较大误差。为了减小误差,进一步提高SOC的估算精度,提出一种基于锂电池复合电化学模型的融合RTS最优平滑的迭代扩展卡尔曼粒子滤波算法(RTS-IEKPF)。该方法利用RTS(Rauch-Tung-Streibel)最优平滑算法与IEKF算法结合生成粒子滤波的建议分布,得到RTS-IEKPF,并用该方法来估算锂电池的SOC。实验结果表明,RTS-IEKPF算法SOC的估算精度优于PF,IEKF和IEKPF算法SOC的估算精度。     

退役锂动力电池SOC预测建模与分析

随着锂动力电池退役周期的到来,电池梯次应用具有现实意义。为了解决梯次再利用时退役电池放电非线性变化剧烈引起的电池荷电状态(State of Charge,SOC)预测精度不高问题,提出了一种基于量子粒子群(QPSO)优化RBF神经网络预测退役电池SOC的动态模型,相比经典的粒子群(PSO)优化算法具有更好的稳定性。实验结果表明:该预测模型的误差稳定在1%以内,响应速度快,为锂电池充分利用奠定了理论基础。     

基于多元算法的锂电池SOC估算研究

电池的荷电状态(SOC)是反映电池剩余电量状态的重要参数,精确估计SOC值是电池管理系统(BMS)最重要的功能之一。传统的SOC估算方法如安时积分法、开路电压法、内阻法等的单独使用很难做到对SOC值的精确估计。针对电池SOC前期估算不准、后期累积误差逐渐变大的问题,以Thevenin模型为基础,对传统的安时积分法进行了改进。前期配合开路电压法获取SOC的精确初值,后期结合扩展卡尔曼滤波法修正安时积分法的累积误差,最后用MATLAB对整个过程及其结果进行曲线拟合和分析,实验结果显示所提方法在SOC估算的过程中误差都可以保持在8%范围内,具有较高的估算精度。     

基于贝叶斯正则化算法BP神经网络钒电池SOC预测

电池荷电状态(SOC)用于表征电池的剩余电量,是全钒液流电池的一个重要参数。在此介绍常用的钒电池SOC预测方法,并对比其优缺点。基于电池SOC的非线性特征,提出采用BP神经网络预测钒电池的SOC,并采用L-M优化算法以及贝叶斯正则化算法对网络进行优化。使用贝叶斯正则化改进的神经网络在对项目中全钒液流电池测试过程实时预测SOC。实验结果表明,采用贝叶斯正则化算法改进的神经网络能够提高SOC的实时预测精度,具有很好的实用前景。     

一种基于预测开路电压估算SOC初值的方法

为解决电动汽车动力电池 SOC初值估算问题,文章以锂离子动力电池为对象,进行了脉冲放电实验,拟合了锂离子动力电池开路电压与 SOC函数关系式。对七阶Thevenin等效电池模型进行了参数辨识,预测了锂离子电池开路电压,将预测的开路电压代入开路电压与 SOC函数关系式进行了 SOC初值的估计。通过仿真实验,得出 SOC 初值估计误差为0.1321%。文中 SOC初值估算精度优于市场上通用的电池容量检测仪精度,验证了预测开路电压估算 SOC初值方法的可行性。     

采用FPGA的动力锂电池内阻智能检测装置

为了实现对动力锂电池内阻的高精度检测,通过对锂电池内部结构和工作原理进行分析,建立了等效电路模型,并采用交流注入法设计了电池内阻在线智能检测装置。将微小的交变激励电流信号施加在电池两端,同时利用在FPGA平台上设计的正交锁相放大电路测量电池两端产生的响应电压信号,并通过引入圆周模式的CORDIC算法实现矢量运算,大幅提升了数据处理速度,最后根据欧姆定律计算出电池内阻的阻抗幅值和相位角。实验结果表明:设计的内阻智能检测装置能够方便测量出电池在各频段的阻抗谱,且具有较高的测量精度和稳定度,平均误差仅为0.231%,最大偏差也仅为0.452%,可为新能源汽车动力电池的健康诊断提供可靠的技术保障。     

基于扩展卡尔曼滤波模型的电动汽车锂电池SOC估算研究

针对新能源电动汽车锂电池电荷状态SOC估算问题,在锂电池二阶RC等效电路模型基础上,引入扩展卡尔曼滤波方法,利用扩展卡尔曼滤波方法处理复杂非线性系统能力,建立了扩展卡尔曼滤波锂电池SOC估算模型,并通过MATLAB/Simulink对新建模型仿真分析。仿真结果显示,建立的扩展卡尔曼滤波锂电池SOC估算模型具有较高估算精度,整体误差小于±0.05%,满足新能源电动汽车对锂电池SOC估算要求。     

双重化双向DC/DC变换器鲁棒反演滑模控制策略研究

摘要：由于双向DC/DC变换器在储能逆变系统中承担能量双向流动任务,因此,系统能量管理关键是对变换器控制策略进行有效选择。针对双闭环控制策略在双向DC/DC变换器动态性能、谐波抑制和抗干扰能力等方面的不足,提出了一种鲁棒反演滑模控制策略,建立了锂离子电池PNGV等效电路模型,搭建双重化双向DC/DC变换器主电路,最终利用实验平台对锂离子电池组在两种控制策略下的充放电情况进行对比分析,同时对鲁棒反演滑模控制策略下输入电压大幅扰动进行了研究。实验和仿真验证了所提出方法的有效性,在锂离子电池组充放电控制上鲁棒反演滑模控制策略相对于双闭环控制策略更具有优势,且该控制策略对于提高蓄电池的充放电效率具有普遍性。     

基于SOC估算的锂电池组复合型均衡拓扑设计

锂电池的均衡管理可以提高锂电池的使用寿命和续航里程。针对磷酸铁锂电池串联电池组中,电池组中各个单体电池之间存在电量不一致的问题,提出一种复合式均衡拓扑结构,通过对单体电池之间的电感或电池组间的变压器选择性放电均衡,实现电池组内的各个单体电池的电量均衡,并测量实际的锂电池放电曲线,拟合锂电池开路电压与SOC的曲线。此外,建立了对应的磷酸铁锂电池Simulink模型,使用SOC估算值作为判断均衡的条件,以提高启动或停止均衡子电路的准确性。在Matlab/Simulink的软件仿真下证明,所提出的复合式均衡方案均衡效果良好,易于实现,控制简易。     

不同SOC区间及倍率下锂电池老化分析

选择合适的荷电状态(State of Charge,SOC)区间及放电倍率可有效减缓锂电池的老化.将可大倍率放电的钴酸锂电池作为研究对象,将其SOC划分为四个区间,结合三个不同的放电倍率进行双因素老化实验.结果表明,相同放电深度(Depth of Discharge,DOD)情况下,SOC区间越高电池老化越快;释放的容...     

基于回跳电压的锂离子电池SOC模型的建立与应用

通过对高低温下锂离子电池进行充放电实验,对得到的回跳电压等实验数据进行分析,建立了自适应神经模糊推理系统（ANFIS）的锂离子电池剩余容量预测模型,其中以回跳电压和温度为预测系统的输入,剩余容量为输出。在MATLAB平台上,通过用大量的实验数据对ANFIS模型进行训练、校验,将此模型用于不同电池组的剩余容量预测和验证,证明了该模型的可靠性和适用性。     

电动汽车锂电池SOC估测

SOC的估算对电动汽车锂电池的管理至关重要.该文提出了一种改进的安时积分法,在传统安时积分的基础上考虑温度对电池充放电的影响,及静置时间对SOC初值的影响,及时对SOC的初值进行修正,避免了传统安时积分法对误差的累积.以磷酸铁锂电池为例搭建实验平台,得到计算所需参数,并且验证了设计思路的可行性.     

高效率激光无线能量传输系统闭环控制研究

为了实现高效率激光无线能量传输系统的研究,基于Simulink建立了激光无线能量传输系统的闭环控制仿真模型,实现了激光光伏阵列的最大功率点追踪、降压电路搭建和锂电池智能充电控制,并结合激光光伏阵列的输出特性和锂电池多阶段恒流充电方法的特性,提出了一种基于激光功率密度闭环信号控制的新型锂电池多阶段恒流充电方法。结果表明,该方法不仅可以实现传统锂电池多阶段恒流充电效果,而且节省了62.9%的光能,系统转换效率提高了62.96%。该结果对研究高效率激光无线能量传输系统是有帮助的。