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。     

三元材料锂离子电池极化电压特性研究

为了提高SOC估算精度及优化动力电池充放电控制策略,对三元材料锂离子电池进行极化电压特性研究。通过混合脉冲功率特性测试(HPPC)实验分析了充放电过程、SOC、不同脉冲倍率和环境温度条件下极化电压的变化规律,结果表明在低SOC区间极化电压明显升高;当0.2SOC1时,极化电压变化相对平稳;脉冲倍率越大,平稳区间越短;环境温度越低,极化越明显,电池容量显著减小;对比一阶、二阶等效电路模型下极化电压曲线拟合结果,二阶等效电路模型误差更小,SOC估算精度更高。     

融合多维超声时频域特征的锂离子电池荷电状态估计

准确地估计锂离子电池的荷电状态（SOC）对电动汽车的安全运行至关重要。传统方法通过电池电压、电流、温度等参数估计SOC,但参数依赖对电极行为的测量,且易受阻抗、充放电速率等因素影响。相对于传统信号,超声信号可区分电池材料物理性质的微小变化,从而准确地表征电池状态。该文首先通过连续均匀分层介质模型研究了超声波在电池内部的传播过程,进而分析了电池材料物理性质对超声波传播特性的影响;其次,搭建了锂离子电池超声检测平台,提取了多维超声时频域特征,并利用超声特征解释了电池内部的电化学过程;最后,通过长短时记忆神经网络建立了融合多维超声时频域特征的锂离子电池SOC估计模型,对比了融合不同特征对SOC估计精度的影响。实验结果表明,融合多维超声时频域特征可以有效提高SOC估计的精度。在动态工况下,SOC估计的方均根误差在1.46%以内,平均绝对误差在1.15%以内,验证了方法的有效性和准确性。     

锂离子电池静置下阶跃放电电流动态模型

分析锂离子电池的一些特性时通常要电池的恒流放电曲线特性。目前工程上一般令电池输出阶跃电流以测取这个曲线,因此得到的电池电压特性是阶跃电流响应而不是恒电流响应。基于电化学理论中的控制电流法提出了建立锂离子电池阶跃电流响应模型的方法,分析了放电过程正极材料扩散系数的变化对电池端电压的影响,建立了数学模型并给出了模型参数的获取方法,还分析了模型参数随工作电流、环境温度以及电池荷电状态的变化规律。仿真和实物实验验证了模型的正确性。     

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.     

汽车用铅酸蓄电池SOC预测研究

电池的开路电压与电池荷电状态(SOC)存在密切的关系,然而大量研究表明,当电池在恒定电流下充放电时,端电压与SOC的变化规律近似于开路电压与SOC的变化规律。但对于汽车用蓄电池来说,并没有文献明确地给出蓄电池在充放电电流变化状态下其端电压与SOC的对应关系表达式。通过对电动汽车用蓄电池进行充放电实验,利用Matlab对实验数据进行曲线拟合处理,得到变化工作电流下的蓄电池SOC与其端电压的数学关系,提出了蓄电池SOC估计的修正经验公式,为电动汽车续航里程的准确估计提供了新方法。     

基于主动方波激励检测锂离子电池早期内短路

锂离子电池内部短路(ISC)的早期检测对于避免潜在安全风险至关重要。现有的故障检测方法在检测早期短路时准确性较差,且需要大量的数据。以18650型锂离子电池为研究对象,通过在电池充电过程中施加微小的电流激励信号,借助极化压升与激励压升,发现锂离子电池在短路时压升异常规律。该方法在荷电状态(SOC)较低时效果更明显,对120Ω以内的短路检测有效,且适用范围可根据采样精度调配,可用于锂离子电池的常规短路检测。     

梯次利用锂离子电池电化学阻抗模型及特性参数分析

基于电化学阻抗谱测试结果,建立了梯次利用锂离子电池电化学阻抗模型,实验验证了模型精度,误差在2%以内。研究了阻抗模型特性参数随电池荷电状态(SOC)和老化状况的变化特性,测试结果表明,电池的直流内阻随着SOC的变化基本保持不变,在两端SOC区间,即(0,0.3)和(0.8,1.0),电化学极化阻抗和浓差极化阻抗均显著增大。电化学极化阻抗和浓差极化阻抗随着电池循环次数的增加明显增大,而欧姆内阻变化较小,表明车用锂离子电池多次循环后的性能变差主要是由于电化学极化阻抗与浓差极化阻抗的增大引起的,为梯次利用锂离子电池在储能系统中的应用奠定了理论基础。     

基于改进等效电路模型的高比能量储能锂电池系统功率状态估计

针对高比能量电池大倍率下的电化学特性特殊性,用传统的等效电路模型(equivalent circuit model,ECM)估计功率状态(state of power,SOP)存在精度较低的问题,提出一种拓展的等效电路模型(extended equivalent circuit model,E-ECM)进行SOP估计。分析锂离子动力电池负载电流对极化内阻的影响,基于不同倍率测试和最小二乘的方法建立极化内阻与电流的关系;通过引入SOC偏差△z的概念,来描述电池内部的固相扩散反应引起的扩散压降,对部分SOC区间的△z进行了拟合预测;构建了考虑极化内阻电流依赖性和扩散压降的E-ECM模型,基于E-ECM模型进行电压限制下的10s和180s的SOP估计。搭建了面向单体电池的基本性能实验和SOP最大电流实验平台,分析结果表明,基于模型的最大电流平均误差不超过0.41%、最大误差0.51%左右,基于拟合预测△SOC处的最大电流误差为1.47%,验证了E-ECM模型对SOP估计的有效性和准确性,为锂离子动力电池管理系统功率状态估计与控制提供了理论支撑。     

磷酸铁锂电池SOC估算方法研究

磷酸铁锂电池宽的电压平台和严重的两端极化不利于SOC的估算,但电池的SOC对电池组不一致性和寿命有着重要的影响,因此本文在磷酸铁锂电池的现有SOC估算分析基础上,研究了反应电池电化学特征的伏安特性曲线,提出了不同充电倍率、不同老化程度下可靠和准确的△Q/△V分析方法,利用电池在充电过程中的峰值△Q修正电池SOC值。为电动汽车电池组在线均衡和智能电池系统的管理策略提供依据。     

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.     

固定型VRLA电池并联充电研究

对不同荷电态的固定型VRLA电池进行了并联充电过程的观察研究。结果表明,流经各个电池的电流是按照电池荷电态的不同自动调节的。在充电过程中,原来荷电态较高的电池充电电流由小逐步增大;原来荷电态较低的电池充电电流由大逐步减小,最终各个电池的充电电流趋于一致。试验同时还证实了恒电压并联充电可以改善蓄电池的均匀性,有利于延长蓄电池组的使用寿命。     

电池组分段混合均衡控制策略

为了解决电池组由于制造工艺和应用环境的差异所引起的不一致性问题,针对具有电压平台宽、在充放电末端电压变化快这类特性的电池体系,提出了一种基于电压和荷电状态(SOC)的分段混合均衡控制策略。应用MATLAB/Simulink仿真平台,搭建基于双向反激式变压器的多绕组结构的主动均衡拓扑结构,并分别在几种不同的电池组运行工况下验证所提分段混合均衡控制策略的有效性。与采用单一均衡变量的均衡控制策略进行比较,仿真结果表明分段混合均衡控制策略在电池组充电完成或放电结束后能够同时保持电池组电压和SOC良好的均衡效果;所提分段混合均衡控制策略能够更有效地提高电池组的一致性。     

铅酸蓄电池充电方法初探

蓄电池充电过程中的主要问题是极化现象始终存在并逐渐加剧 ,严重影响充电速度与质量 ,损伤蓄电池 ,甚者可能报废。根据充电速度、出气、温升及活性物质脱落等现象 ,比较了传统的充电方法包括恒流充电、恒压充电及快速充电的优缺点 ,指出极化现象的根本原因是充电方法不符合蓄电池充电接受特性 ,据此提出了定电压快速充电法 ,不但所需人工干预少 ,而且极化现象少、充电效果好 ,即充电速度快、出气少、温升少、活性物质脱落少。     

一种均衡考虑锂电池内部能量损耗和充电速度的多段恒流充电方法

锂电池快速充电方法应该均衡考虑电池的安全、寿命和充电时间。为此,应该控制锂电池的温度或能量损耗。提出一种均衡考虑锂电池能量损耗和充电时间的多段恒电流充电方法。首先,通过测试不同电流的恒流工况充电电压曲线,建立锂电池直流内阻随荷电状态(SOC)和电流I变化的函数关系式。其次,简化恒流段内能量损耗计算表达式,并设计用于均衡充电时间和能量损耗的充电目标方程。最后,设计一条权重变化曲线以确定各个恒流段的充电电流。此方法实验过程简单,充电电流的计算过程简单。通过与恒流充电方法的实验比较,验证了该方法的优点。     

基于 GRU-UKF 的锂离子电池 SOC 估计方法研究

精确估计锂离子电池荷电状态(SOC)是电池管理系统的关键技术之一,直接影响着动力锂电池组的使用效率和安全 性。 锂离子电池特性复杂,其 SOC 无法直接测量,且受电流、温度等因素的影响较大。 为此,提出了一种基于门控循环单元 (GRU)神经网络与无迹卡尔曼滤波(UKF)相结合的组合算法。 该方法利用 GRU 网络获得可测量的电流、电压、温度与锂电池 SOC 之间的非线性关系,并以此作为 UKF 的观测方程。 然后,通过 UKF 估计 SOC 值以提高算法的估计精度。 实验结果表明, 在不同温度以及不同的工况下,本文所提方法的均方根误差(RMSE)和平均绝对误差(MAE)分别小于 0. 51%和 0. 46%,均能提 高 SOC 的估计精度。     

基于ARM的均衡充电控制系统

全电战车要求在作战中具有反应迅速、高灵活性的特点.基于全电战车要求提出了对全电战车进行电池更换的快速配电方案.充电锂电池均衡充电模块化的设计使快速换电成为可能.反激式变换器均衡充电适合模块化设计,因此提出了基于ARM对反激式变换器均衡充电的控制.并且采用了外部充电电源进行均衡充电的策略,这种均衡策略利于模块化设计,符合快速换电的需求.在均衡充电过程中,通过采集充电电流和电池电压,利用安时法计算出电池的荷电状态(SOC),来调节驱动脉冲波形PWM的占空比,从而实现变速均衡充电.研究表明该方法可以更好的实现对锂电池的均衡充电和保护控制.     

不同倍率下磷酸铁锂电池模组过充热失控特性研究

随着电化学储能技术在电力系统中的广泛应用,电化学储能技术的安全性越来越受到重视。文中以储能用磷酸铁锂电池模组(8.8 kW·h, 25.6 V,344 A·h)为研究对象,进行3次不同倍率(0.4C,0.5C,1C)的恒流过充试验,研究其在不同充电倍率条件下的过充热失控特性,并辅以starccm+软件进行热场仿真计算。结果表明,电池模组在额定充电倍率0.5C(172 A)和1C(344 A)下持续过充会发生起火,起火时间随着充电倍率增加而减少;充电倍率对磷酸铁锂电池模组过充行为特性影响较大,随着充电倍率的增加,热失控最高温度和峰值电压升高,过充测试时间随着充电倍率的升高而降低;不同充电倍率条件下,电池安全阀首次打开时的电压均为1.7倍额定电压,可以进一步研究以作为电池热失控预警参数。文中研究成果可为规模化储能用磷酸铁锂电池的安全性研究和电池管理系统(BMS)对过充故障的安全管理提供参考。