HEV用MH/Ni电池系统的研发现状

综述了混合动力电动车(HEV)用氢镍(MH/Ni)电池系统的国内外发展状况.对现阶段国内相关系统有待进一步改善的电池一致性、超高功率充电接受、荷电态(SOC)精确估算和价格等进行了分析.     

混合动力汽车用MH/Ni电池的建模

分析了混合动力汽车(HEV)用MH/Ni电池的特点,对电池建模进行了探讨.基于额定电压为144 v的6 Ah MH/Ni电池组的混合脉冲实验,采用回归分析方法,辨识了Thevenin、PNGV两种电池等效电路模型参数;在Simulink中建立了等效电路模型,用HEV电池的3种典型工况测试了模型精度.Thevenin模型在恒流充电工况下的精度较高,而PNGV模型在充放电交替变化较大的复杂工况下的精度更高,更适合HEV中的高功率型电池.     

双极叠层M H/Ni电池的研究

双极叠层MH/Ni电池是很好的混合电动车(HEV)用高比功率电池,能够提供较高的电压和功率密度,与传统的圆柱形和方形MH/Ni电池相比,它具有性能上和成本上的双重优势.实验采用特殊的密封技术,制成包含5只单体电池的叠层电池,并测试其电化学性能,认为封口活化的贫液设计电池性能较好,进一步优化了电池设计.     

HEV用MH/Ni电池的贮存性能

在HEV用MH/Ni电池的设计中,研究了添加Ni粉、Co粉及提高CoO的加入量对MH/Ni电池贮存性能的影响,结果表明:正极中加入较多的Ni粉或提高CoO的加入量均能够提高MH/Ni电池的贮存性能.正极中Ni粉的加入量从0%提高到10%和20%时,MH/Ni电池贮存后的容量衰减率分别降低了3.9%和6.6%;正极中CoO的加入量由5%提高到15%,MH/Ni电池贮存后的容量衰减率降低了4.9%.采用Co粉作添加剂时,在一定程度上修复了遭受破坏的CoOOH导电网络,改善了MH/Ni电池初期的贮存性能.     

电动车用MH/Ni电池的充放电特性

通过研究电动车用MH/Ni电池在不同的电流下的充放电特性、温度特性以及在不同SOC点的充电效率特性 ,为MH/Ni电池物理模型的建立 ,参数的识别以及MH /Ni电池在电动车上的应用提供实验依据。试验结果表明 :对于在电动汽车及混合动力汽车上的应用 ,MH/Ni电池比传统的铅酸电池具有更多优点。     

混合动力轿车用MH-Ni蓄电池组的开发

介绍了HEV用动力MH—Ni蓄电池组的结构及单体蓄电池的性能;报导了单体电池模拟工况测试和模拟电池寿命测试;测试结果表明：单体电池的能量密度可以达到55．24Wh／kg,150A连续放电到SOC50％,最低输出功率密度可以达到726W／kg,预计电池组的工作寿命可以满足混合电动轿车运行10万公里以上。     

降低MH/Ni电池内压的快速充电方法

气相色谱法研究的结果表明:氢气是MH/Ni电池充电过程中产生气体的主要成分。MH电极中氢原子的缓慢扩散限制了电池的快速充电。通过恒电位极化法,测定了MH电极在不同荷电态(SOC)下的氢扩散系数。结果表明:在同一温度下,氢扩散系数随着SOC的增大,呈指数关系衰减。根据SOC来调节电流的充电方法,能降低MH/Ni电池快速充电时的内压。     

电动车用MH/Ni电池快速充电系统

为了解决电动车用MH/Ni电池的快速充电问题,提出了充电终止的方法.在充电过程中对电池组的多个参数进行实时监测,通过参数运算和逻辑判断,控制充电过程的结束;采用充电去极化放电脉冲提高充电效率.快速充电系统的数据采集精度高于0.5%.自动导引车车栽24 V/90 Ah电池组的应用表明,60 d后电池的SOC从70.0%降至69.4%.     

电动汽车用MH/Ni电池的管理系统

为了解决电动汽车电池管理系统的关键技术,提出了高电压安全的控制方法,并用修正电量累计法对电池的荷电状态(SOC)进行估计。设计的100 Ah MH/Ni动力电池组数据采集系统精度高于1%,循环工况后,电池的温度低于40℃,电池的SOC从93.4%下降至85.8%,高压系统断开1 s后达到人体安全标准,表明了此系统的可靠性与可行性。     

MH/Ni电池的长期储存性能

将MH/Ni电池在室温下以不同的荷电态(SOC)进行长期储存,对储存前后的电池性能进行测试。长期储存后,电池的内阻变化较大,储存24个月后的平均内阻增加43.46%,平均容量恢复率为90.33%。长期储存对MH/Ni电池的容量、放电平台及循环寿命都会产生不利的影响。     

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。     

基于模糊卡尔曼滤波的HEV氢镍电池SOC估计

混合动力汽车(HEV)电池管理系统工作于恶劣工况环境中,采用常规卡尔曼滤波算法估计电池荷电状态(SOC)时,量测噪声统计特性随实际工况条件剧烈变化,会导致估测不准,甚至滤波发散.采用基于模糊自适应卡尔曼滤波的氢镍动力电池SOC估算算法,通过监视理论残差与实际残差的比值,对量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高估算精度.仿真结果表明,这种算法对随机的量测噪声具有较强的抑制能力.     

MH/Ni电池记忆效应及容量恢复方法的探讨

记忆效应的存在严重影响了蓄电池组的正常使用 ,通过分析记忆效应产生的机理 ,论述了消除及预防办法。实践表明 :MH/Ni电池具有记忆效应。大量的试验证实 ,MH/Ni电池记忆效应的产生是由于长期的浅充浅放使用所造成的 ,通过深充放电循环可以消除或减缓记忆效应。     

利用人工神经网络预测电池SOC的研究

能源和环境与人类社会的生存和发展密切相关,能源短缺和环保的要求推动了混合动力车的发展。电池是混合动力车的动力源之一,准确和可靠地获得电池荷电状态(Stateofcharge,SOC)是电池管理系统的主要任务之一。在总结现有SOC预测方法的基础上,尝试使用人工神经网络的方法预测动力电池SOC。结果表明人工神经网络对多变量的非线性系统非常有效。另外,不同的数据样本对训练效果存在影响,试验表明用处理后的数据进行预测的结果明显较好。