磷酸铁锂锂离子电池Thevenin等效模型的改进

为解决实际应用中精度和复杂度的矛盾,在原始Thevenin电池等效模型的基础上,通过增加RC网络的方式,得到精度和仿真时长均能满足要求的改进Thevenin等效电路模型;通过锂离子电池充放电实验,得到复合脉冲实验数据,运用最小二乘拟合法对电池模型参数进行辨别;建立基于Simscape模型库的改进型Thevenin电池仿真模型,并进行仿真。通过将原Thevenin模型仿真电压、改进模型仿真电压与实验实测电压进行对比,改进模型和原模型的平均误差分别为0.02 V、0.06 V。     

基于Thevenin模型的氢镍电池仿真

根据氢镍动力电池的特性,选择一种能反映其内部特性的Thevenin模型。基于此模型,进行氢镍电池复合脉冲实验,用最小二乘递推算法辨识模型参数。然后使用Matlab/Simulink进行仿真,仿真结果表明Thevenin模型可用于氢镍电池仿真,能模拟电池的充放电特性。     

基于正态分布的锂电池组建模仿真

电池组仿真用于描述电池组的外特性变化及电池间相互耦合关系,对电池成组研究有重要意义。同批次电池参数符合正态分布的数理统计规律,以Thevenin等效电路为单体锂电池的仿真模型,通过MATLAB进行正态分布参数拟合,获取任意数量锂电池的容量、开路电压、欧姆内阻、极化内阻和极化电容等参数,建立了基于正态分布的锂电池成组建模仿真方法,并验证了建模仿真精度,为锂电池成组建模仿真提供了新的仿真方法。     

一种简化的锂离子电池SOC估计方法

为了克服安时积分法和开路电压法估计电池SOC的缺点,使用扩展卡尔曼滤波法将安时积分法与开路电压法结合起来。使用Thevenin等效电路电池模型作为扩展卡尔曼滤波法的模型基础,提出简化扩展卡尔曼滤波器过程噪声协方差和测量噪声协方差的方法,使电池SOC估计误差接近开路电压法的水平。最后,通过DST实验验证提出的电池SOC估计方法。     

电动汽车中锂电池两种建模方式的分析与比较

简单有效的建模方式对于电动汽车中磷酸铁锂电池的性能研究具有重要的意义。通过MATLAB/Simulink建立了以电池SOC为状态变量决定开路电压的电池模型,其中可控电压源电压幅值的信号采集使用了Thevenin等效电路和指数曲线机理两种方式,分别对这两种方式进行了充放电分析,并进行了仿真研究,最后总结了两种方式各自的优缺点。建模方式有助于电池的理论分析与工程应用。     

光伏电池的建模与仿真研究

由于目前光伏电池的仿真模型大多只针对特定型号的电池而建立,导致所建立的仿真模型不具备通用性。对微电网中光伏电池的输出特性进行了研究,在对光伏电池数学模型分析的基础上,利用matlab/simulink平台建立了光伏电池的通用仿真模型,只需要光伏电池的开路电压、短路电流、最大功率点电压和最大功率点电流4个参数便可以利用该仿真模型进行光伏不同型号的光伏电池的仿真。通过对所搭建的光伏电池仿真模型进行仿真测试,得到不同环境温度和光照强度下光伏电池的I-V和P-V特性曲线,并对仿真结果进行分析,发现仿真所得的光伏电池最大输出功率、开路电压和短路电流随环境温度和光照强度的变化趋势与理论分析相吻合,验证了模型的正确性。     

带可变参数锂离子电池Thevenin模型

高效的储能蓄电池对风储能系统非常关键,建立合理的电池模型对于研究电池的性能十分有意义.电池新一代汽车合作计划(PNGV)模型精确度高但是计算量大,Thevenin模型计算量小但精确度低.以18 Ah的锂离子电池为研究对象,提出了一个改进的Thevenin等效电路模型,对模型中各参数值的确定方法作了修改.将模型中的参数设置为随着电池荷电状态(SOC)变化的量,采用恒流脉冲实验来确定改进后的模型参数,利用电力系统仿真软件(PSCAD)软件分别对常规和改进的Thevenin模型进行仿真.比较结果显示,相对于常规模型,改进模型具有计算量小、结果准确的特点,可为电池储能系统的仿真提供参考.     

锂离子电池等效电路模型及参数辨识方法研究

分析了锂离子电池等效电路模型的精度和计算量,选用Thevenin模型作为锂离子电池等效电路模型,用最小二乘法在HPPC试验工况下对模型参数进行辨识,并选用端电压为基准值在工况下进行验证。结果表明,Thevenin模型可以较好地反映锂电池端电压变化规律,模型精度足以满足So C估算对等效电路模型的要求。     

铅酸电池模型及参数辨识研究

随着电动车技术的发展,铅酸电池得到了更广泛的应用。电池模型是研究动力电池充放电特性的重要工具,合理的电池模型能够仿真电池的充放电过程,通过系统辨识方法,电池模型参数还能够实时反映电池的性能状态。本文选用了二阶RC等效电路模型对在动态应力测试(DST)试验规程条件下的电池充放电行为进行仿真,采用含遗传因子的递推最小二乘算法(FFRLS)对模型参数进行辨识,并通过端电压比较法对辨识结果进行验证。结果表明:二阶RC等效电路模型参数可以提供较为精确的充放电过程仿真,模型参数辨识结果可提供包括内阻和电池开路电压等参数的估计,从而有助于反映电池的性能状态。     

磷酸铁锂电池老化分析及模型搭建

为了对电动汽车动力电池进行精确建模,对磷酸铁锂电池进行了循环寿命测试及混合脉冲功率特性测试。通过循环寿命测试的结果分析,研究了电池老化对电池开路电压、电池内阻等参数的影响。结合混合脉冲功率特性测试的结果,在Simulink上搭建了电池的仿真模型。仿真结果表明,该模型精度较高,能够很好体现电池特性。     

MH—Ni动力电池特性试验研究

为了获得MH—Ni电池等效电路模型中各主要参数的变化特性,在不同温度环境,针对MH—Ni电池的开路电压、迟滞电压、内阻等主要特性进行了试验测试研究。根据试验结果,建立了温度、电荷状态与电池各特性之间的变化关系。此外,还建立了MH—Ni电池的迟滞电压模型,通过试验获得了其主要参数的变化特性。最后,将试验结果与模型的计算结果进行了比较,验证了其准确性。     

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.     

基于LPV理论锂离子电池SOC估算研究

以磷酸铁锂电池为研究对象,在进行了电池特性实验的基础上确定电池电压特性以及开路电压与SOC关系。以二阶等效电路模型为基础,结合LPV理论及EKF原理,在Simulink中搭建电池仿真模型,实现了电池模型参数与SOC的联合估算,设计实验验证了模型的正确性。并嵌入整车模型模拟运行,电池SOC工作区间符合控制策略,设计的磷酸铁锂电池SOC估算方法可行有效。     

三类常用电动汽车电池模型的比较研究

为了解决电动汽车仿真时电池模型的选择问题,对神经网络模型、简化的电化学模型和等效电路模型三类常用电池模型的性能和适用范围进行比较研究。基于镍氢电池组试验数据,选取三类模型的代表性模型:反向传播(BP)神经网络模型、简化的电化学组合模型和美国新一代汽车合作伙伴计划(PNGV)模型,从变电流工作状态和恒电流工作状态两方面进行具体分析。研究表明,等效电路模型具有更好的综合性能。     

双卡尔曼滤波法估计电动汽车电池健康状态

选用戴维南等效电路模型作为基础电池模型,标定荷电状态(SOC)-开路电压(OCV)曲线,利用指数拟合法拟合等效电路模型中的电阻-电容电路(RC)参数,提出基于安时积分法使用拓展卡尔曼滤波法估计SOC,以及基于容量法使用卡尔曼滤波估计电池健康状态(SOH),建立双卡尔曼滤波SOH估算方法。随机电流激励仿真结果表明:该方法的估计值与真实值变化趋势一致,且估计误差控制在1%以内。SOH估算实验结果表明:在开始阶段,SOH估计值与真实值有一定的偏差,之后变化趋势一致,误差可控制在1%以内。     

动力锂电池最优等效电路模型研究

可靠的等效电路模型能够精确的模拟动力电池的充放电特性,是建立各种状态估计方法的基础。首先建立了锂电池Thevenin模型、DP模型,并采用带遗忘因子最小二乘法进行在线参数辨识,利用电路原理进行离线参数辨识。其次,在MATLAB/Simulink中结合实验数据对模型辨识精度和运算速度进行仿真验证。最后,基于辨识精度和运算速度建立模型评价方法,得出在线辨识过程DP模型相比于Thevenin模型能够在精度和速度方面取得更好的平衡;离线辨识过程,Thevenin模型能够取得更好的平衡。     

基于戴维宁等值的电压暂降模拟方法

针对传统的电压暂降模拟方法,在正常和各种故障条件下仅模拟电网的电压特性,不考虑电网的阻抗特性,使得借助于传统电压暂降模拟方法作用于负载上的电压响应与实际电网不相同。因此,文章提出基于戴维宁等值的电压暂降模拟方法。文章提出采用基于阻抗切换方式辨识电网电压暂降时的戴维宁等值参数,该方法可对暂降前后的电压进行精确辨识。文章亦提出采用H桥级联型-逆变器作为电压暂降模拟装置,为使其能灵活可靠模拟实际电网电压暂降外特性,文中提出适用于H桥级联型逆变器的虚拟阻抗控制策略,其能通过参考电压、虚拟阻抗的设置实现所需的电压暂降戴维宁等值外特性的模拟。最后,通过仿真验证了所提电压暂降戴维宁等值参数辨识方法、电压暂降模拟装置控制策略的有效性及可行性。     

基于模糊优化决策的锂电池SOC估计

为了提高动力锂电池的使用效能和整车性能,需要准确估计动力锂电池的荷电状态(SOC),在研究分析常用SOC估计方法的基础上,根据开路电压法和卡尔曼滤波算法的特性,引入T-S模糊模型,建立了基于模糊优化决策的锂电池SOC估计方法,通过仿真验证,可有效提高锂电池SOC估计的精度。     

基于DEKF的储能电池系统SOC估计方法研究

电池管理系统(BMS)是储能电池系统安全稳定运行的重要保障。为了保障储能电池系统的运行可靠性,在BMS投入运行前进行系统测试具有重要意义,而目前对于储能系统BMS的荷电状态(SOC)估计方法缺乏测试规范和标准。因此,文中针对储能电站BMS建立了入网测试平台,根据电池外特性信息建立Thevenin等效电路模型,电池开路电压曲线获取采用了电池倍率放电曲线外推的方法,结合双扩展卡尔曼滤波(DEKF)算法实现SOC的准确估计,并与EKF方法进行了对比。结果表明,DEKF方法在收敛速度和SOC估计精度上存在优势,分别在典型联邦城市运行工况(FUDS)和动态应力测试(DST)测试工况下,运用DEKF方法和EKF方法估计得到的SOC误差都低于1%,电池端电压误差分别在±10 mV和±20 mV以内,平均绝对误差分别为2.7 mV和3.8 mV。     

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。