共查询到20条相似文献,搜索用时 211 毫秒
1.
2.
以航空钴酸锂离子电池为研究对象,通过混合脉冲功率特性测试方法来测试钴酸锂离子电池在不同温度和SOC状态下内阻变化规律。通过数据计算出钴酸锂离子电池的欧姆内阻和极化内阻,并分析现象产生的原因。研究表明:在相同温度下钴酸锂电池的SOC处于20%~90%范围内极化内阻波动很小,可视为定值。当电池处于相同的SOC下,随着环境温度降低特别是低于10℃时,极化内阻上升显著。当电池处于相同温度下时,当温度低于10℃时,随着SOC的减小钴酸锂电池欧姆内阻上升显著。得出结论是钴酸锂离子电池的极化内阻对温度变化敏感,而欧姆内阻对SOC变化敏感。钴酸锂离子电池的内阻特性变化规律为在线SOC估算提供研究基础和依据。 相似文献
3.
锂电池的健康状态(SOH)是对电池管理的重要参数之一,它和锂电池的寿命有着直接的关系。为了更精确地估算出锂电池的健康状态(SOH),以锂电池欧姆内阻为研究对象,构建可判断锂电池老化程度的健康因子,基于数据驱动法,选用三次样条插值法为算法,建立健康因子与健康状态(SOH)的关系模型,从而达到以健康因子来估算健康状态(SOH)的目的。实验表明,实测数据和估算数据的估算误差较小,验证了方法的可行性。 相似文献
4.
针对目前锂离子电池初筛选方法存在耗时久、计算量大等问题,提出了一种快速获取电池最大可用容量和欧姆内阻的方法。通过该方法获取欧姆内阻:建立电池一阶RC等效电路模型;对电池进行一次动态工况放电实验;利用带遗忘因子的递推最小二乘法辨识模型欧姆内阻。最大可用容量是利用动态工况放电前后电量阶跃值和电池荷电状态(S OC)差值关系估算获得。通过实验测试验证了所提出方法 ,最大可用容量估算误差不超过1.3%,欧姆内阻估算误差不超过3%。将该方法用于电池筛选中,实验结果表明筛选时间相比传统筛选方法缩短了三分之一。该研究对锂电池初筛选有一定的实用价值。 相似文献
5.
6.
7.
从电动汽车中退役的锂电池在功能元件有效的情况下可进行梯次利用,针对退役锂电池处于离线状态且单体电池之间存在性能差异等问题,以锂电池欧姆内阻为研究对象,设计适用于梯次利用锂电池性能测试工况。基于锂电池一阶RC等效电路模型,研究基于增量式自回归模型(IARX)的健康特征数据提取方法,以此构建均值内阻、最小内阻和内阻-荷电状态(SOC)三种健康因子,建立健康寿命模型,提出基于多模型数据融合技术的锂电池健康状态(SOH)预测方法。实验和仿真结果表明:所建健康寿命模型适用于预测同种类退役锂电池SOH,验证了模型的有效性;基于多模型数据融合技术有利于提高锂电池SOH预测精度,验证了此方法的可行性。 相似文献
8.
9.
10.
11.
12.
13.
14.
15.
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。 相似文献
16.
17.
18.
19.
为清楚理解动力锂电池的内部结构和工作原理,选取搭建较为精确的等效模拟十分重要,它能更精确有效地获取各项内部参数。以动力锂电池为研究对象,分析其工作特性和原理,查阅资料做出最佳等效模拟电路,通过锂电池的充放电过程的HPPC实验研究,有效估算出SOC并得到所需各项参数,再由等效电路的计算方程得到等效参数。结论得出锂电池充放电过程中参数大致稳定,等效内阻均值为1.023 mΩ,标准差为0.218 6,极化电阻均值为0.304 4 mΩ,标准差为0.150 4。基于STM32、检测电路和LCD搭建的充放电系统,实现对锂电池电流和电压的检测以计算分析模拟电路内部参数。 相似文献
20.
《电源技术》2020,(5)
健康状态(state of health,SOH)估计在电池管理系统中起着非常关键的作用。为了进一步提高锂电池SOH估计精度,提出基于平方根扩展卡尔曼滤波算法(square root extended Kalman filter,SREKF)的锂电池SOH估计方法。通过建立二阶RC等效电路模型(equivalent circuit model,ECM),将表示SOH的欧姆电阻(R_0)塑造为状态向量,利用锂电池欧姆内阻与SOH之间的内在关系,可得到锂电池的SOH。通过SREKF实时估计电池的内阻,该方法能保证状态协方差矩阵的对称性和非负性。在恒流工况与混合动力脉冲特性(HPPC)工况的验证结果表明,与EKF算法相比,SREKF算法能够更准确、更可靠地估计欧姆内阻,为电池SOH估计提供了一种有效的方法。 相似文献