混合动力汽车电池管理系统SOC估算策略

电池荷电状态(state of charge,SOC)是电池管理系统的重要参数,也是混合动力汽车动力系统分配的重要依据,准确地估算电池荷电状态具有重要意义。按照传统电量状态定义电池SOC的估算方法不能满足蓄电池变电流放电工况的需求,为了解决这一问题,采用能量守恒原理对电池SOC重新定义,基于修正的Thevenin等效电路,在Matlab/simulink环境下,建立了电池的动态充、放电模型,通过仿真分析,证明新的SOC估算策略能够满足蓄电池在大电流和变电流放电工况下SOC的估算,提高了电池SOC估算的精度。     

全钒液流电池储能电站运维检测技术研究

随着电力技术的发展以及能源互联网建设,大规模储能技术得到广泛应用,相关状态检测评价及运维技术也得到重视。通过荷电状态(SOC)监测精度、电解液在线恢复技术两方面,阐述了全钒液流电池储能电站运维检测技术。以储能系统充放电能量为基准,考察了SOC监测精度,充电过程中SOC精度小于2%,放电过程SOC精度小于1%。通过电解液在线恢复装置对储能系统能量进行了在线恢复。     

基于ANN的锂离子电池SOC估算方法研究

锂离子电池的荷电状态(SOC)是电池管理系统中的一个重要参数,准确的荷电状态估计对于确保锂离子电池安全可靠的运行十分重要。从估算原理和优缺点等方面出发,综述了国内外各种基于人工神经网络的SOC估算方法的研究进展,并提出了今后的研究展望。     

全钒液流电池SOC估算方法研究

荷电状态(state of charge,SOC)估算是储能系统研究的核心内容之一,关系到微电网的功率控制与能量管理策略。简述了适用于全钒液流电池SOC的表征方法和估算方法,分析了这些方法的优缺点及适用范围,对全钒液流电池SOC估算的发展趋势做出了展望。     

利用信息融合技术的储能锂离子电池组SOC估算

在电池储能系统的实际工程中,电池组荷电状态(state of charge,SOC)估算精度越来越受重视。电池组容量、运行环境、循环时间和充放电倍率等都将影响电池组的SOC估算精度,采用单一的电池模型和数据模型很难获得准确的SOC。提出了一种基于信息融合技术的锂离子电池SOC估算方法,主要基于开路电压(open circuit voltage,OCV)-SOC曲线进行。根据锂离子电池运行特性,把OCV-SOC曲线空间划分为锂电池稳定运行区间、识别校正区间、过充区间和过放区间,并据此重新定义锂离子电池运行模式。然后根据其运行模式,在不同运行区间内对锂电池的估算模型进行切换和优化。采取基于信息融合的SOC估算方法,不断修正消除估算模型在运行状态下产生的各种误差,得到较为精确的SOC估算值。最后搭建实验平台,以某储能电站的实际储能工况对该算法进行实验验证,结果表明,上述SOC估算算法在实际锂电池储能系统应用中具有较强的可行性和实用性。     

微网系统中储能电池荷电状态估计方法

蓄电池作为储能设备,其荷电状态(SOC)是整个电池储能系统的重要参数。采用戴维南模型构造了电池数学模型,并建立状态空间方程。模型参数的辨识采用恒流间歇放电实验法求得。计算各参数的初值,拟合各参数与SOC之间的函数关系,结合模型的电气特性建立状态空间方程并利用Matlab仿真出电压数据,对仿真、实验电压数据进行对比,按照无约束非线性优化的方法在两者差值最小时在线搜索出最佳的参数估计。所辨识的参数能够很好地模拟电池性能,误差在1%内。采用扩展卡尔曼估算方法来进行SOC估算,通过实验验证了此估算方法具有很高的估算精度,误差在4%以内。     

基于高阶非线性模型的铅酸蓄电池SOC估计

铅酸蓄电池在电动汽车和蓄电池储能系统等领域有着广泛的应用,提高铅酸蓄电池荷电状态(SOC)估算的精度具有重要的意义。本文针对目前SOC估算方法中电池等效模型复杂、相关参数难以确定等问题,提出了一种新型高阶非线性拟合开路电压的SOC估计方法,通过拟合恒流充放电工况下的开路电压(OCV)–SOC曲线,建立适用于变电流充放电工况下的铅酸蓄电池模型,并结合扩展卡尔曼滤波算法(EKF)对电池的SOC进行估算。仿真和实验结果表明该方法能够实现铅酸蓄电池的高精度SOC估算。     

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。     

磷酸铁锂电池荷电状态估算方法研究

电池的荷电状态(SOC)是电池管理系统要实现的重要功能之一。精确估算电池的荷电状态能为提高电池利用率和延长电池寿命起到重要作用。分析温度、放电倍率、充放电循环次数等因素对电池容量的影响,结合磷酸铁锂电池本身的特性,提出一种改进的安时计量法与开路电压法相结合的估算方法对SOC进行在线估算。应用到自平衡两轮车上,实验测试结果显示此方法能够实时、准确地估算电池SOC。     

一种规模化电池储能电站功率分配策略EI北大核心CSCD

考虑电池储能电站的可调度性和运行安全性,提出了一种基于可变区间窗法的电池储能电站功率分配策略。通过将电池储能系统(battery energy storage system,BESS)的充放电功率设计成与荷电状态(state of charge,SOC)成指数函数关系,强化了不同SOC值BESS间的功率分配系数差异,解决了BESS在运行过程中SOC不一致的问题;通过可变区间窗方法,对BESS当前的SOC值进行差异最大化分配,加快了电池储能电站内BESS的SOC趋于一致的速率,有利于电池储能电站的整体调用,避免了运行过程中BESS因SOC越限而出现退出运行的情况发生。最后通过仿真试验和工程实证对该电池储能电站功率分配策略进行了验证,结果表明基于可变区间窗法的改进型电池储能电站功率分配策略能够使BESS的SOC在充放电期间具有良好的一致性。     

蓄电池SOC估算方法综述

电池荷电状态(state of charge,SOC)是电池管理系统(Battery Management System,BMS)的重要参数,准确估算电池SOC具有重要意义。首先分析了一般SOC定义存在的问题,提出以电能代替电量定义SOC更能准确描述在各种工况下动力电池的荷电容量;其次将已提出的估算方法分为开路电压法、安时积分法、高级估算方法和复合方法等四类,并对各自优缺点和适应工况进行分析。提出充分利用数据挖掘和数据融合技术将BMS记录的历史数据用于SOC估算,有助于提高计算精度和适用范围。     

基于双无迹卡尔曼滤波的锂电池SOC估算

锂电池荷电状态(SOC)估算是电池管理系统的重要内容之一.为了提高SOC估算精度,以二阶RC等效电路为模型,采用双无迹卡尔曼滤波(DUKF)算法对电池模型参数和SOC进行在线联合估算.通过恒流放电测试、动态应力测试(DST)和不同初始SOC值的鲁棒性测试,验证了所提方法的准确性和稳定性.     

基于锂电池SOC估算方法

电池的荷电状态(State of charge,SOC)是锂电池组电池管理系统的重要参数,而电池的SOC估算受到很多因素的综合影响,难以保证其估算精度。准确的电池模型是精确估算SOC的基础,通过对电池模型的改进、模型参数的实时更新,提高了模型参数的精确度;修正的扩展卡尔曼滤波并结合修正的安时积分法,减小了温度、充放电倍率等因素的影响,从而提高了SOC估算的精度。     

基于门控循环单元神经网络和Huber-M估计鲁棒卡尔曼滤波融合方法的锂离子电池荷电状态估算方法

锂离子电池作为重要的储能元件,其荷电状态(SOC)直接影响所在系统的运行状态。为了实现对锂离子电池SOC的精确估算,提出一种基于门控循环单元神经网络(GRU-RNN)和Huber-M估计鲁棒卡尔曼滤波(HKF)融合方法的锂离子电池SOC估算模型。该方法利用Huber-M估计改进卡尔曼滤波器的鲁棒性,并将基于GRU-RNN所估算的锂离子电池SOC值作为改进卡尔曼滤波器的观测量。在两组锂离子电池数据集上分别进行锂离子电池SOC估算实验。实验结果表明,基于GRU-RNN和HKF融合方法的锂离子电池SOC估算模型不仅能够准确地实现锂离子电池SOC估算,而且能够降低测量误差及异常值对估算结果的影响,使锂离子电池SOC估算结果快速且精确收敛。     

基于MC9S12与LTC6811的储能电站电池管理系统设计

设计了一种用于储能电站的电池管理系统(BMS)。基于储能电站BMS拓扑结构及锂电池的特性,设计了一种以Freescale单片机和ADI电池管理芯片(MC9S12与LTC6811)为核心的BMS。该BMS可实现对多路电池电压、温度采集及均衡控制;同时,可根据采样数据利用改进型安-时积分法进行电池荷电状态(SOC)计算。根据现场实际数据,将电池电压、温度的采样值与实际值比较,同时对电池均衡效果及SOC进行分析。试验结果证明,设计的BMS具有较高的采样精度和采样速度,均衡控制合理,SOC估算值误差较小,验证了所设计BMS的实用性。     

VRLA电池SOC估算的改进方法

对VRLA电池的荷电状态(state of charge,SOC)进行估算是蓄电池能量管理的前提。考虑蓄电池充放电电流、工作温度和充放电循环次数等因素影响估算电池SOC的准确度,对传统的能量法进行了修正;通过在电池电压恢复特性曲线基础上建立开路电压预测模型,提取电池E-SOC关系曲线,用于电动势法在线估算;分析两种估算SOC方法的特点,提出了改进的能量-电动势法SOC在线估算的改进方法,从而达到各取所长,优势互补的效果。实验结果表明改进的能量-电动势法SOC估算方法简单实用、准确度高。     

基于荷电状态图权重的储能系统电池网络重构研究

电化学储能系统中单体电池的特性差异给储能系统的能量效率、安全可靠运行造成了一定隐患。可重构网络式数字储能利用高频电力电子装置对连续能量流的离散化和数字化是储能未来研究方向之一。为此,开展了基于荷电状态图的储能系统电池网络重构研究。首先,在分析现有重构电池网络特点的基础上提出了一种旁路阵列式可重构电池拓扑,并通过灵活控制开关获取开路电压和荷电状态SOC。其次,基于图深度优先遍历的思路,提出了一种荷电状态图的储能系统电池网络重构策略。最后,在搭建的可重构式电池网络实验平台进行了验证。结果表明,基于荷电状态图的储能系统电池网络重构可有效避免单体电池劣化带来的木桶效应,对提升储能系统高效运维有一定指导意义。     

退役动力电池一致性评估及均衡策略研究

电池梯次利用是处理动力电池庞大退役量的有效手段之一。针对退役电池梯次利用过程中分选技术进行研究,主要从退役电池SOC关键参数分布特性以及退役电池一致性控制策略分析两方面展开。提出主动被动协同均衡策略考虑电池参数的相关性,弥补了单一均衡方式的不足。同时提高充放电均衡控制的可靠性,实现了均衡效率的最优化。分析退役动力电池荷电状态数学模型,涵盖不同类型的退役动力电池的荷电状态。并进一步对退役动力电池储能系统荷电状态控制策略进行研究。基于主动被动协同均衡策略,分析多组退役电池储能单元的SOC一致性,为完善退役电池梯次利用一致性分选技术有所助益。     

改进电池SOC估算方法研究

针对传统的荷电状态(SOC)估算方法估算动力电池荷电状态精度不高,对混合动力系统中动力控制器的正常运作有很大影响,使得节能效果大大降低,从四线法和能量守恒定律对电池内阻测量出发,提出了一种改进的电池SOC估算方法,该估算方法不但能够估算电池恒定大电流和小电流放电,同时也非常适合变电流放电工况,在变电流放电工况下,新的电池SOC估算方法的估计值误差明显小于5%,因此具有较高的估计值精度。     

储能锂离子电池荷电状态估算方法

锂离子电池因其能量密度大、转换效率高以及反应快速等特点,已逐渐在大型储能系统中得到应用。为有效获知锂离子电池的荷电状态(SOC),在传统方法基础上,将开路电压法和安时积分法相结合,研究某单体容量为20 A·h锂电池的充放电特性,提出了一类兼具离线和在线修正能力的高精度SOC估算算法,为储能系统中的电池管理策略提供支持。