影响动力电池输出功率因素的灰色关联分析

为了定量分析电流、电压、温度等因素对动力电池功率状态(SOP)的影响,提出采用灰色理论中的灰色关联分析方法确定各个因素与SOP的灰色关联度(S)。通过建立灰色关联分析模型分析动力电池的行车运行数据,确定上述因素对SOP的灰色关联度,实验结果表明:电流对动力电池SOP的影响最为显著(0.963 7),其次为电压(0.710 2),温度影响最小(0.665 3)。验证了灰色关联分析模型可定量给出各个因素的影响程度,该研究可为优化SOP预测模型和进一步提高动力电池SOP估算精度提供理论依据。     

纯电动汽车锂离子动力电池热特性研究

分析锂离子动力电池的发热机理,总结出电池发热与电动势温度系数、电池荷电状态(SOC)值、电池内阻、电流倍率等因素有关,通过实验在不同环境温度下对三元锂离子电池重要特性指标进行研究。得出结论:放电容量随环境温度的升高而增大,随放电倍率的增大而降低;直流内阻在低温时升高明显,放电内阻大于充电内阻;在低温下荷电状态-开路电压曲线低于高温下曲线;放电效率曲线得出电池正常工作的温度参考范围。对于电动汽车电池热管理系统的设计具有重要的意义。     

退役锂离子电池梯次利用状态区间划分

选择一阶RC等效电路,研究环境温度和极化反应程度对于退役锂离子电池开路电压和放电时间的影响.对NCR18650GA型锂离子电池进行混合脉冲功率特性(HPPC)测试,对比不同荷电状态(SOC)下的电极电位衰减情况和极化反应程度,确定电池二次利用时SOC的下限需大于0.4;根据不同放电倍率下放电深度(DOD)区间与端电压衰减快慢的关系,以及多次循环实验下电池的容量衰减程度,将退役锂离子电池的健康状态(SOH)区间划分为80％～60％、60％～45％和45％～30％等3个区间,实现梯次利用的效率最大化.     

基于灰色扩展卡尔曼滤波的锂离子电池荷电状态估算

准确估算电池荷电状态(SOC)是电池管理系统的核心技术之一。为提高扩展卡尔曼滤波(EKF)估算电池SOC精度,将灰色预测模型(GM)和EKF融合,构建灰色扩展卡尔曼滤波(GM-EKF)算法用于电池SOC估算。该算法首先用GM(1,1)替代EKF算法中Jacobian矩阵,对当前时刻电池系统状态预测,即实现系统状态先验估算;再通过观测值对系统状态进行更新和修正,获得后验估算值,实现对电池SOC的估算;最后在自主搭建的电池实验平台上对电池进行模拟工况放电实验。实验结果表明,GM-EKF算法相比EKF算法,估算电池SOC具有更高的精度,估算误差不超过±0.005。研究结果对电池管理系统估算电池SOC具有现实指导意义。     

混合动力汽车动力电池SOC估算方法的研究

为了准确预测混合动力汽车(HEV)动力电池的SOC,将安时法、开路电压法和卡尔曼滤波算法结合起来,并考虑温度、滞环效应等因素对SOC的影响,提出了新的SOC估算方法。通过建立电池的二阶动态RC模型并且采用双无味卡尔曼滤波(DUKF)的方法估算电池模型的状态和参数,使电池的SOC估算达到更高的精度。通过蓄电池的放电实验初步确定电池的模型参数以及电池的开路电压(OCV)与SOC的关系曲线,并且采用matlab仿真验证了DUKF方法对SOC估算的准确性。     

电动汽车动力电池运行中SOC性能评估分析

以内蒙古电力科学研究院电动汽车使用的锂动力电池充放电试验为依据,利用监控系统积累的电动汽车动力电池运行数据,采用动力电池性能测量方法,结合实际运行状态下温度、均衡性、充放电电流等对动力电池的影响,从电压一致性及环境温度和放电速率等方面对电池荷电状态(SOC)进行评估分析,认为放电倍率和环境温度是影响SOC评估的重要因素,建议运行中的动力电池应尽量避免大电流放电,以提高电池的使用寿命和运行经济性。     

动力锂离子电池撞击过程中热稳定性研究

针对动力电池在使用过程中所遇到的最危险的汽车事故(汽车碰撞)进行了模拟,即模拟了电池的内部短路,以便获得在汽车碰撞过程中,影响动力锂离子电池热稳性的主要因素.实验结果表明,电池荷电状态、充电电压(或开路电压、放电电压)越高,电池的热稳定性越差;环境温度越高,电池的热稳定性越差;电池的容量越高,电池的热稳定性越差;电池长...     

基于改进EKF算法的锂离子电池SOC估算方法

针对锂离子电池在变电流放电过程中荷电状态SOC(state of charge)估算精度的问题,提出了一种基于改进扩展卡尔曼滤波EKF(extended Kalman filter)算法的新估算方法。首先,通过放电实验和混合脉冲功率特性HPPC(hybrid pulsepower characteristic)实验,分析计算了等效电路模型参数;然后,利用该方法获得了该模型参数与放电倍率和SOC之间的关系,提出了一种估算SOC时在线修正开路电压和欧姆内阻的新原理和方法;最后,通过变电流放电的SOC估算结果,验证了该改进算法的可行性与有效性,从而解决了锂离子电池在复杂工况下估算精度不足的问题。     

动力锂离子电池稳态特性参数Map建模与仿真

提出并实现了一种车用动力锂离子电池稳态特性参数的数学模型,该模型针对混合动力车用8Ah锂离子电池,选取对电池SOC有重要影响的性能参数(电压、电流、温度等),设计相关实验(主要是倍率充放电实验和开路电压SOC关系实验);应用实验数据,通过插值、拟合等方法补充实验缺省数据,建立电池稳态特性参数Map图,用以估算电池的SOC,对建立的Map用实际工况曲线进行仿真。仿真结果表明,应用建立的Map图,对电池稳态SOC查询估算的精度可以达到4%以内。     

基于自恢复效应电池放电模型及其应用研究

现有电池SOC预测方法,大都基于开路电压、开路电流等外电路或者测量电源内阻的方法,而没有考虑到电源的内在特性,尤其没有考虑电池的自恢复效应的影响,且大都采用恒压、恒流放电的工作模式,难以实现对电池SOC的动态预测。针对电池SOC预测方法的缺点,提出了一种包含有电池自恢复效应的电池SOC动态预测方法:提出一款包含有电池自恢复效应的动态电池模型,基于此电池模型提出了计及电池自恢复效应的动态放电模型,并论述了此放电模型与自恢复效应的关系,仿真结果表明,本预测方法具有较高的预测精度,且可实现动态预测。     

电动车用MH-Ni电池SOC模型的研究

通过对电动车用MH-Ni电池的开路电压、充放电电流、温度、自放电等因素的研究,建立了一种适用于MH-Ni电池的荷电量状态的数学模型。在初始状态,采用开路电压以及系统存储值,来估算初始电量;在充放电过程中采用电流积分法,并结合各种修正系数来估算过程电量。该方法成功地应用于纯电动车和混合电动车镍氢电池的管理系统中,电量估算误差小于7%。     

修正RC模型混合动力车用氢镍蓄电池SOC预测

根据混合动力汽车动力蓄电池瞬时脉冲大电流充放电工作特点,提出了一种能够实时动态估计氢镍蓄电池SOC的新方法。结合蓄电池当前状态和历史使用因素共同确定蓄电池初始SOC,并利用修正的RC模型,通过合理分配权值综合运用电量累计法和开路电压法进行蓄电池的SOC预测,电量累计考虑充放电效率和寿命因素影响,开路电压利用卡尔曼滤波法求解。最后,通过台驾试验验证算法的准确性,结果表明,SOC预测误差可控制在6%以内,满足混合动力汽车工作要求。     

Open-circuit voltage-based state of charge estimation of lithium-ion power battery by combining controlled auto-regressive and moving average modeling with feedforward-feedback compensation method

Being one of the important parameters describing the state of power battery, state of charge (SOC) is essential for the electric vehicle battery management system (BMS). SOC estimation method, which combines the constructed controlled auto-regressive and moving average (CARMA) model with the feedforward-feedback compensation method used for revising SOC by the deviation of terminal voltage, is presented in this paper. Fully taken into account the measurement errors of voltage and current, the CARMA model is employed to estimate the battery open-circuit voltage (OCV). With the good consistency of the OCV-SOC curve under the process of battery charge and discharge cycles within a certain temperature range, OCV is adopted to estimate SOC. BP neural network rather than the high order polynomial approximation is used to capture the strong nonlinear relationship between OCV and SOC with the high precision. It is a big challenge for OCV-based SOC estimation that the flat area of OCV-SOC curve for lithium-ion power battery enlarges the measurement errors of OCV. By analyzing the flat characteristic of ΔSOC-OCV curve, the feedforward-feedback compensation for SOC is used for improving the accuracy of OCV-based SOC estimation. Experiment results confirm the effectiveness of the proposed approach that has evidently advantages over other estimation methods.     

基于4维Map图的镍氢电池SOC估计方法

针对现有镍氢电池荷电状态(SOC)估计方法因精确度太低或者对数据、模型参数要求太高而难以实用的问题,提出一种基于4维Map图的电池SOC估计方法.通过大量实验数据,建立镍氢电池SOC与温度、电流和端电压之间的基本Map图,发现在其工作区间20％≤YSOC≤80％内,不同电流、温度条件下的相邻充放电特性曲线基本相互平行.以SOC与端电压之间的关系为基础,分别在电流和温度方向上采用曲线平移的方式插值得到SOC与电流、温度、电压之间的4维Map图模型.利用试验数据进行SOC估计试验,试验结果表明,利用4维Map图模型的SOC估计误差在3％以内,基于4维Map图的镍氢电池SOC估计方法能满足电动汽车电池SOC估计在精确度和易实现性上的要求.     

基于模糊控制的锂离子电池恒定极化充电方法

极化是影响锂离子电池快速充电效率的主要因素。基于传统的RC电路模型模拟锂离子电池的充电过程,对充电电流、初始SOC、初始极化状态、循环使用寿命等方面进行了分析,建立了极化电压与SOC的关系模型,因此可以估算锂离子电池的极化电压。在此研究基础之上,利用模糊控制算法控制充电极化电压来优化电池的快速充电,使充电电流能随时适应锂离子电池的SOC可接受的充电电流。通过实验对比表明,提出的恒定极化充电方法与传统的恒流恒压方法相比,能明显缩短充电时间约20%,进而提高充电效率,并且没有明显温度上升。     

基于回跳电压的锰酸锂电池组SOC估算研究

分析了电池荷电状态SOC的定义,通过电池的Thevenin模型推导出电池离线瞬间产生的回跳电压与电池荷电状态SOC具有一定的正比关系。在考虑了锰酸锂电池组的放电率、放电深度等因素的情况下,对电池离线瞬间产生的回跳电压与电池荷电状态SOC的关系进行实验研究,建立回跳电压和电池荷电状态SOC的函数关系。误差分析结果表明,相对误差最大不超过5%。该方法具有实时测量、误差小和计算量小等特点。     

电动汽车动力电池模型和SOC估算策略

主要研究如何准确估算电动汽车动力电池的荷电量状态。通过对开路电压、自恢复效应、温度、充放电效率、寿命等多个影响荷电量状态的主要因素进行深入研究,建立了一种新的荷电量状态的数学模型,并在此基础上提出了一种电量状态复合估算策略。当电池处于不同状态时,合理地使用开路电压初始电量预估算法、直接调用记录初始电量预估算法、Ah电量动态计量法、系数修正法等不同方法估算电量状态,多种方法的复合使用弥补了使用单一方法的不足,有利于提高电量状态的估算精度。该电量状态复合估算策略成功地应用在电动汽车动力电池的管理上,使电量状态的估算误差小于4%。     

基于LabVIEW的动力电池SOC实时估算系统研发

在电动汽车能量管理控制策略和电池管理系统研究中,电池荷电状态(State of charge,SOC)的准确估算一直是重点和难点。基于磷酸铁锂动力电池的工作原理和充放电特性试验,利用MATLAB软件拟合获得不同放电电流下的库仑效率和开路电压与SOC的关系。并采用虚拟仪器LabVIEW与相关硬件,实时采集动力电池相关数据,将SOC估算的安时法与开路电压法相结合,实现了对动力电池SOC的实时估算与高精度显示,提高了电池SOC研发系统的实用性与准确性。