基于BP神经网络的SOC估计及铅酸蓄电池特性

蓄电池特性是影响电动汽车充电时间和续驶里程的主要因素,针对应用较普遍的铅酸蓄电池展开研究具有重要意义。基于阻容等效电路建立了铅酸蓄电池充放电模型,通过不同倍率的充放电实验获得了模型参数与电池荷电状态(SOC)的关系式。采用BP型神经网络模型对铅酸蓄电池SOC进行估计,在Matlab环境下基于SOC神经网络模型对铅酸蓄电池充放电过程进行仿真研究。仿真结果表明铅酸蓄电池模型可以真实地模拟充放电特性,仿真结果与实验结果的平均误差为2.5%。     

基于RBFNN的船用铅酸蓄电池SOC预测方法研究

目前预测铅酸蓄电池荷电状态(SOC)的算法很多,这些算法各有特点。根据船用铅酸蓄电池的特点,本文比较分析了这些方法的预测效果,提出了利用径向基神经网络(RBFNN)算法预测船用铅酸蓄电池SOC的方法。并利用某型船用铅酸蓄电池的实验数据,对其SOC进行了预测。结果表明:利用该算法预测船用铅酸蓄电池的SOC,精度高,操作简便。     

基于MIV-GA-BP神经网络的铅酸蓄电池SOC预测

建立了铅酸蓄电池充电过程中SOC的神经网络预测模型,采用平均影响值(M1V)算法对预测模型的输入变量进行了分析和筛选.在MIV算法的基础上,比较了基于遗传算法优化的BP神经网络(MIV-GA-BP)与传统MIV-BP神经网络对蓄电池充电过程中SOC的预测误差.测试样本的验证结果表明,MIV-GA-BP神经网络模型对蓄电池充电过程的SOC预测精度更优.     

铅酸蓄电池模型研究及SOC模糊估计

为了深入研究铅酸蓄电池在充放电过程中内阻等特征参数的变化,首先,基于铅酸蓄电池的工作机理建立蓄电池充放电模型,并进行不同倍率的充放电实验;其次,基于实验数据建立各模型参数与SOC之间的函数关系,同时对BP神经网络模型进行训练以实现SOC的精确估计。最后,结合铅酸蓄电池充放电模型和BP神经网络模型仿真铅酸蓄电池充放电过程,仿真结果和实际结果吻合,有助于对铅酸蓄电池内阻等特征参数的研究。     

基于容量修正的阀控式铅酸蓄电池SOC估计

阀控式铅酸蓄电池(valve regulated lead acid battery,VRLA)广泛应用于储能系统中,准确估算其实时荷电状态(state of charge,SOC),对确保铅酸蓄电池安全供电具有重要意义。铅酸蓄电池的工作环境温度对其容量的影响不可忽视,然而,现有的SOC估算方法常将电池总容量视作固定值,这就导致了估算误差会随着环境温度的变化而积累,严重影响了SOC的估算精度。提出了一种基于容量修正的SOC估计方法,通过研究电池容量随温度的变化规律,引入了温度补偿对电池总容量进行修正。在此基础上,结合扩展卡尔曼滤波(EKF)算法进行不同温度下的SOC实时估计,并对容量修正后的SOC估计值与一般算法SOC估计值进行比较。仿真和实验结果表明,所提出的SOC估算方法能够提高不同环境温度下的铅酸蓄电池SOC估计精度。     

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。     

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。     

一种电动车铅酸蓄电池SOC预测模型及检测系统的设计

针对电动车铅酸蓄电池SOC预测精度低的问题,给出了一种基于模糊预测技术的蓄电池SOC预测模型,该模型利用电动势和内阻结合预测蓄电池SOC。建立了蓄电池电动势、内阻和SOC的隶属度函数,确定了26条模糊控制规则。仿真结果表明,预测值与实际值相对误差最大为5%左右。在此基础上,设计了以C8051F020单片机为中央处理器的铅酸蓄电池组智能检测系统,该系统具有蓄电池SOC预测,端电压、充放电电流等参数在线检测和数据传输等功能。实际车辆试验结果表明,利用这种SOC预测模型可有效的提高预测精度,系统具有参数检测误差小、数据传输可靠性高等特点,具有很好的应用价值。     

基于粒子群的模糊神经网络铅酸蓄电池SOC估计

研究估计变电站阀控式铅酸蓄电池荷电状态(SOC)的方法。采用模糊神经网络对蓄电池的荷电状态预测建立模型,然后利用粒子群算法对网络中的连接权值、隶属度函数进行优化,用蓄电池在不同倍率下的充放电实验数据训练网络,根据训练好的网络模型对蓄电池SOC进行了预测,最后将预测结果与传统模糊神经网络预测结果进行对比。结果表明:该方案达到了对蓄电池荷电状态准确预测的目的,且预测误差小,具有良好的实用性。     

基于模糊控制的铅酸蓄电池SOC预测方法研究

研究铅酸蓄电池荷电状态(SOC)的预测方法,是合理地对铅酸蓄电池进行充电和放电的关键。采用一种智能控制方法,即模糊控制法对铅酸蓄电池的SOC进行预测及Matlab仿真。根据同一情况下的实验数据对模糊预测模型的参数进行了调整。验证了模糊预测模型的合理性和精确性。     

基于威布尔分布的免维护铅酸蓄电池售后失效模式分析

对收集的免维护铅酸蓄电池的故障里程数据,应用二参数威布尔分布对三包索赔与免费服务活动的蓄电池失效模式进行分析,采用最小二乘估算法和近似中位秩法求解威布尔模型参数ω和α、概率密度函数、可靠度函数和失效率函数。结果表明,ω1,三包索赔与免费服务活动的免维护铅酸蓄电池失效类型属于损耗失效型;免维护铅酸蓄电池平均寿命为11 508 km;可靠性为90%的免维护铅酸蓄电池寿命为1 641 km,可靠性为50%的寿命为8 697 km。根据对蓄电池可靠度的分析,可以更好地了解免维护铅酸蓄电池的失效类型、失效里程,为制定有效的蓄电池检修维护措施提供依据。     

铅酸蓄电池加速寿命试验方法的研究

根据可靠性技术中的加速寿命理论,选取充电电流作为加速变量,对铅酸蓄电池的加速寿命试验方法进行研究。以48 V电动自行车中使用的6-DZM-12型号的铅酸蓄电池为测试对象,并对试验结果进行分析。试验结果表明铅酸蓄电池的充电电流与循环寿命符合逆幂律方程的关系。采用加速寿命试验可以大大缩短铅酸蓄电池循环寿命试验的考核和测试时间,利于生产厂家研发新产品和用户快速检验铅酸蓄电池的循环寿命。     

基于EKF算法的蓄电池等效电路模型参数仿真研究

蓄电池在充放电过程中,其内部存在着复杂的电化学反应,导致蓄电池荷电状态（SOC）及各个参数是多维、非线性的关系。因此,本文基于7-HK-182型铅酸蓄电池建立等效电路模型,进行参数辨识。在此基础上,采用扩展卡尔曼滤波（EKF）算法,利用Matlab软件对蓄电池SOC及各个参数进行实时仿真,通过仿真与实验结果对比验证了EKF算法的实时性与准确性。     

太阳能光伏发电系统中蓄电池SOC预测模型及监控方法研究

建立了一种基于反向传播(BP)神经网络算法的阀控密封式铅酸蓄电池(VRLA)的剩余容量(SOC)预测模型,利用MATLAB仿真对三层BP网络模型的性能进行了校验,采用由TMS320F28335为核心组成的硬件控制电路对VRLA蓄电池组进行了实时数据采集,依据预测出的SOC值和控制电路,实现对蓄电池组的放电工作状态的智能监测与控制,保证了系统的经济、高效、安全可靠运行。监测控制系统具有蓄电池SOC预测,端电压、充放电电流等参数实时监控,数据传输及状态显示等功能,具有较高的实际应用价值。     

基于光储充系统的蓄电池SOC电量管理改进研究

蓄电池能量管理技术是提高蓄电池使用寿命的有效手段,对于蓄电池的SOC保护逐渐成为研究热点。基于蓄电池的SOC管理和寿命管理,提出了一种关于蓄电池的SOC改进策略,并通过仿真来验证蓄电池的SOC改进是否有效。仿真结果表明,改进后的SOC电量趋于平缓下降,对蓄电池起到了保护的作用,直流母线电压也趋于稳定,对系统的功率波动有较强抑制效果,为蓄电池SOC的深入研发与应用提供了有效参考。     

铅酸蓄电池电解液添加剂--柠檬酸

前人的研究结果认为,柠檬酸作为铅酸蓄电池电解液的添加剂对提高铅酸蓄电池的容量有好处,但柠檬酸对铅酸蓄电池寿命的影响未做阐述,而且该结果与理论分析存在一些矛盾之处。为此,研究了柠檬酸的作用,分析了它对铅酸蓄电池容量、寿命的影响。根据对柠檬酸循环伏安法试验的结果,认为柠檬酸在电解液中添加后不仅不会提高铅酸蓄电池的容量,反而会降低铅酸蓄电池的容量,但柠檬酸的添加提高了铅酸蓄电池的循环寿命。     

提高铅酸蓄电池寿命方法的研究

首次提出在铅酸蓄电池内部加装可控点燃装置的方法,来提高铅酸蓄电池的循环寿命。原理是采用三段大电流脉冲过充电提高铅酸蓄电池组充电电压,加大充电电流,可控点燃装置点燃充电过程中产生的氢气和氧气,提高氢、氧的复合率。通过对同类型铅酸蓄电池内部的压力测量,不同工作模式时容量衰减比对,对铅酸蓄电池的循环寿命进行了研究。研究表明:铅酸蓄电池内部的气体压力减小,循环寿命比同类铅酸蓄电池提高1.5～2倍,深循环寿命可达600次。     

基于小波神经网络的航空蓄电池容量预测

为有效预测航空蓄电池的剩余容量,引入小波神经网络,建立了蓄电池内阻和SOC的小波网络模型,通过实验数据对小波网络模型进行训练,得到了用于内阻和SOC预测的小波网络,最后将小波网络的预测结果和BP网络的预测结果进行对比,结果表明小波网络比BP的预测精度要高,更适合用于航空蓄电池容量的预测.     

电动汽车电池剩余量的估测方法

为有效地对电动汽车锂电池荷电状态(SOC)进行估算,采用自适应神经网络模糊推理系统(ANFIS)建立电池组电压降模型,再通过编写Matlab程序对BP神经网络进行训练,并用所建BP神经网络模型对SOC进行预测.经实验验证,此法精度较高且能有效预测电池的开路电压和SOC的映射关系,对延长电池寿命具有重要意义.     

隔板饱和度与阀控式密封铅酸蓄电池寿命关系

研究了超细玻璃纤维(AGM)隔板材料饱和度与变电站阀控式密封铅酸蓄电池寿命之间的关系。对饱和度不同的5只电池分别进行放电深度(DOD)循环寿命实验,其中AMG隔板材料的饱和度为90%~98%,这使阀控式铅酸蓄电池的循环寿命得到很大提升。经过实验发现,阀控式铅酸蓄电池正极活性物质充电不足会导致隔板材料的饱和度越高,阀控式铅酸蓄电池的循环寿命越短。