基于EKF修正算法的锂电池SOC估算

随着电动汽车产业的迅速发展,实时掌握动力蓄电池所处荷电状态,保证电池长期处于良好工作状态成为当前研究重点。由于锂电池充放电过程中复杂的电化学反应,电池荷电状态(SOC)与其影响因素呈现非线性动态关系,导致难以实时精确估算SOC。本文中,基于扩展卡尔曼滤波(EKF)修正算法对动力蓄电池SOC进行估算,并与传统算法进行比较。结果表明,该算法有效解决了采用安时积分法难以估计SOC初始值和累计误差的问题,大大提高了估算精度,使最大估算误差保持在2.0%以内。     

蓄电池荷电状态闭环动态估算模型

使用基于电化学理论的安时模型,实现蓄电池荷电状态的实时估算。为了改善电化学安时模型的估算性能,设计了闭环反馈模型。闭环模型采用基于最优估计的扩展卡尔曼滤波算法,将电化学安时模型作为滤波算法的状态方程,蓄电池的荷电状态作为过程状态量,滤波算法中的观测方程的参数通过特定实验数据分析确定。实验结果表明,对于可靠的测量数据,电化学模型具有较高的估算精度;在较大测量偏差存在的情况下,闭环模型可以有效地修正估算偏差,得到准确的估算值。     

具有在线修正功能的镍氢电池SOC估算方法

介绍了电动汽车用镍氢电池荷电状态(SOC)的常用估算方法。针对安时积分法结合开路电压法估算蓄电池SOC时累积误差偏大的问题，测试了镍氢电池充放电特性曲线，并对曲线进行多项式拟合，提出了根据电池不同工况进行条件判断，对估算值进行在线修正的估算方法。实践证明，本文所述估算方法能明显地减小累积误差，更好地满足电池SOC的估算要求。     

动力电池电量计

分析了各种电池荷电状态估算方法的优缺点,提出了一种实时检测电池端电压作为判断电池充电状态的安时计量算法。由于该算法构成的电量计能实时、准确计算电池的电量和SOC,并应用于风光互补路灯系统,保证了路灯照明安全、可靠地运行。     

电动汽车用铅酸电池管理系统SOC算法研究

SOC数据是电动车运行过程中一个重要的参数,它是防止电动车蓄电池过充和过放的主要依据。通过安时(Ah)积分法和开路电压法相结合的方法来估算电池荷电状态(SOC)。利用ADVISOR整车仿真软件,在MATLAB/Simulink仿真平台上搭建了SOC仿真模型验证估算方法的精确性。在电池管理系统硬件设计中,系统采用了分散采集集中处理的设计方案,采用MC9S12DP128MPV控制芯片进行信息处理计算,得出电池荷电状态和单体电池工作状态、电流、温度等信息,并在软件中实现了算法的嵌入式应用。     

一种新型SOC估计算法的研究

在建立电池管理系统的过程中,动力电池荷电状态(SOC)的实时测量和估计很关键。分析了各种电池SOC估算方法的优缺点,提出了一种实时检测电池端电压作为判断电池充电状态的电压-安时计量算法。由该算法构成的电量计能实时、准确计算电池的电量和SOC,保证了动力电池在电动汽车应用中的安全、可靠运行。     

基于EKF算法的铅酸蓄电池SOC在线估计

针对快速充电设备需要快速、准确检测蓄电池荷电状态(SOC)的应用需求,在分析传统SOC估计方法不足的基础上,采用了扩展卡尔曼滤波法进行铅酸蓄电池SOC的估计。通过对铅酸蓄电池充放电过程的分析,基于改进的Thevenin模型,建立了7-HK-182型铅酸蓄电池的等效电路模型。通过Matlab仿真,对比安时积分法估计SOC数据,验证了扩展卡尔曼滤波法能够实时、准确估计蓄电池SOC的变化。     

基于改进安时积分法估计锂离子电池组SOC

为了解决安时积分法不能估计锂离子电池组初始荷电状态(SOC_0),难于准确测量库仑效率和电池可用容量变化的问题,提出改进的安时积分法:建立锂电池二阶等效模型,结合恒流放电实验数据,推导出开路电压的预估公式,从而估算初始SOC;再通过大量实验,分析电池老化、库仑效率、电池总容量变化的影响因素,对该参数进行修正和优化。实验结果显示,改进的安时积分法误差达到0.03%。     

基于扩展卡尔曼滤波的蓄电池组SOC估算

随着能源的不断减少和环境破坏加重,风光互补发电系统得到了广泛关注,其中蓄电池组是整个系统中最受关注的一个组成部分。准确有效地估算蓄电池组的荷电状态(SOC),不仅可以保证资源的合理利用、减少成本,还能保证系统的安全可靠运行。由于蓄电池的正常运行具有很强的非线性,选用通用非线性等效电路模型,充分考虑了充放电倍率和环境温度,利用傅里叶函数对模型参数进行有效拟合,结合传统安时积分法,运用扩展卡尔曼滤波算法(EKF)对蓄电池组的SOC进行动态估算,通过MATLAB软件进行仿真验证,结果表明,文中选择的扩展卡尔曼滤波算法可以对蓄电池组SOC进行有效跟踪,并控制跟踪误差低于1%。     

典型蓄电池的建模与荷电状态估算的对比研究

研究不同蓄电池荷电状态(state of charge,SOC)的变化特征有助于在实际应用过程中对蓄电池类型进行选择。基于铅酸电池、磷酸铁锂电池、全钒液流电池3种典型蓄电池模型,采用电池容量修正过的改进安时计量法和改进安时-卡尔曼预测法(Ah-Kal法),对各电池在不同充放电模式下,用MATLAB软件编程得到两种估算方法下的SOC变化曲线。通过SOC对比曲线可以发现铅酸电池的自放电较严重,循环寿命短;磷酸铁锂电池可迅速提供大功率;而全钒液流电池适合作为长期大容量储能支持。同时,改进安时计量法和Ah-Kal的估算结果基本相同,验证了Ah-Kal法的正确性。     

光伏系统中蓄电池过充放电控制系统的设计

描述了光伏系统中铅蓄电池过充过放电新型控制系统。在该系统中，蓄电池的充电过程分为两个阶段：全充阶段和脉冲充电阶段。在全充阶段，系统按照光伏电池所提供的电流对蓄电池充电，其充电终止电压根据蓄电池的SOC值和充电电流的大小，采用模糊控制算法而得；脉冲充电阶段控制电压的最大值和最小值根据对蓄电池的浮充电压进行修正而得；两阶段的控制电压都将根据环境温度进行补偿。并对该系统进行了软硬件设计。经仿真证明，该系统运行稳定，效果良好。     

基于SOC调整的光伏电站储能系统调控策略

光伏（PV）发电输出功率具有波动幅度大和随机性强的特点,大规模并网光伏电站需要电池储能系统（BESS）对输出功率波动进行平滑抑制,以降低对电网的冲击。提出了一种衡量不同BESS控制策略抑制PV功率波动能力的评价指标,针对现有基本功率平滑控制策略的不足,提出基于电池荷电状态(SOC)调整输出的储能功率控制策略。通过调节BESS输出功率,对PV输出功率中较高频段波动成分进行补偿,并且在储能电池荷电状态（SOC）偏高/低时对输出功率加以自适应调整,在不削弱补偿效果的前提下,将SOC维持在正常范围内。仿真结果表明所提方法在光伏输出波动剧烈时仍有较好的平滑效果,并且对电池容量的需求较小。     

基于在线LS-SVM的动力电池SOC估算方法研究

荷电状态(SOC)是描述动力电池状态的重要参数之一,提高SOC估计的准确性对电动汽车电池管理系统的研究至关重要。提出一种改进的最小二乘支持向量机(LS-SVM),动态地调整模型参数,对电池的开路电压(OCV)进行在线实时估计;通过SOC与OCV的关系确定初值,采用安时积分法估算SOC;并利用OCV的偏差信息对电池SOC进行修正,有效地补偿拟合误差和安时积分法产生的累计误差。仿真实验结果表明,在线LS-SVM算法能准确地逼近实际SOC值,平均绝对误差为1.279 3%。     

基于SOC调控的用于抑制光伏波动的电池储能优化控制方法

针对平抑可再生能源功率波动的应用需求,在低通滤波原理的基础上,根据电池储能的荷电状态(SOC)实时调整滤波时间常数,分析了电池储能的能量与光伏发电功率波动之间的关系,提出了优化配置电池储能的功率和能量的计算方法。这种方法可以通过电池储能在光伏发电系统中的合理配置规划,大大简化电池储能在实际运行中的控制策略,避免电池的过充过放,优化电池运行参数,从而延长使用寿命。在Matlab中搭建了控制仿真模型,结果验证了该方法的可行性。     

Battery Management System Used in Electric Vehicles

A battery management system(BMS) which contains state of charge(SOC) determination,battery charging control and its optimization,and cell balancing is proposed.Thevenin’s model having a RC network characterizing the battery polarization is used for SOC determination.The polarization voltage of the battery model is identified using the nonlinear least square technique.The paper presents a new SOC definition method considering the SOC limit of each cell for battery pack in series.The relationship between the battery current and polarization voltage is analyzed.And then the battery charging approach that the charging current can be adaptively adjusted by the polarization voltage control system is investigated based on fuzzy logic control theory.Cell balancing control strategy is also proposed based on the principle of the maximum use for the capacity and energy of the battery pack.     

储能系统平滑光伏电站功率波动的变参数斜率控制方法

为提高储能系统平滑光伏电站功率波动的能力,提出了基于超短期预测的变参数斜率控制策略。在斜率控制的基础上,通过提出控制荷电状态划分的2个参数变量以及4个充放电功率调节参数,建立了可调整荷电状态的储能系统平滑控制策略。根据超短期预测功率建立目标函数,采用自适应混沌粒子群算法对控制变量进行实时优化,实现平滑效果和荷电状态的协同优化。以光伏电站实测数据进行仿真分析,对比定参数控制策略,该方法在保证平抑效果的基础上能够限制储能系统的充放电深度。     

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.     

一种锂离子电池荷电状态估计与功率预测方法

为了能够准确估计锂离子电池的荷电状态(SOC),同时对电池实际可用的最大充、放电功率进行预测,在研究电池充、放电过程中的滞回现象的基础上,建立基于电压滞回特性的二阶RC等效电路模型。为了避免因噪声统计特性造成的误差,将H∞滤波算法应用到锂离子电池的SOC估计中,减少了估计过程中的模型误差和算法误差,提高了估计的鲁棒性。将电池电压、电流和SOC的估计值作为联合约束条件预测锂离子电池实际可用的最大充、放电功率,对电池做脉冲充、放电实验,实验分析表明,与混合脉冲功率特性(HPPC)测试方法相比,联合约束算法提高了预测电池功率的准确性。     

基于谐波阻抗测量在线估测蓄电池荷电状态

现行内阻法估测蓄电池荷电状态时,需要对被测蓄电池实施大电流放电操作以测量其欧姆内阻,在线检测时可能对用电负载造成安全隐患。针对这一问题,提出一种基于谐波阻抗测量技术在线估测蓄电池荷电状态的方法：对被测蓄电池实施周期性的小电流放电操作,测量放电过程中的放电电流与蓄电池端电压,经傅里叶分析计算出蓄电池的谐波阻抗,对谐波阻抗数据进行数值拟合得到蓄电池的欧姆内阻,最终实现对蓄电池荷电状态的在线估测,从而避免现行方法所需要的大电流放电操作。     

基于几何加权移动平均滤波算法的改进储能平滑控制策略

针对目前光伏并网中采用储能电池对光伏出力进行平滑,以降低光伏出力波动性对电网的影响,提出一种几何加权移动平均滤波算法,得到光伏并网系统中储能电池出力的参考值。该算法对移动平均滤波算法进行改进,不仅改善了滤波器的延迟性,而且具有自适应平抑的能力。在储能电池出力参考值的基础上,提出了采用模糊控制对该参考值进行修正的方法,使得储能电池的荷电状态维持在合理范围,保证储能电池具有最佳运行状态以及最少容量配置。