电动汽车锂离子电池荷电状态估算方法研究综述

锂离子电池具有循环寿命长、能量密度高、自放电率低、环境污染小等优点,在电动汽车产业中得到广泛应用。电动汽车中的电池管理系统(BMS)可以维护和监测电池状态,确保电池的安全性和可靠性。电池荷电状态(SoC)表示电池中剩余的电量,是BMS的重要参数之一,实时精确的SoC估算可以延长电池寿命,保障行驶安全。然而锂离子电池是一个高度复杂的非线性时变系统,电池寿命、环境温度、电池自放电等许多未知因素均会对估算精度造成影响,使估算难度大大增加。为了满足不同条件下对锂离子电池SoC精确、快速、实时估算的要求,需要对SoC估计算法进行进一步研究与改进。近年来已有相关文献对锂离子电池SoC的估算方法进行了综述,然而已有相关综述对估算方法的总结不够全面且缺少流程表达。该文首先介绍了锂离子电池的工作原理,阐述了影响电池SoC估算的因素;其次,通过总结最新的研究成果对电池SoC估算方法进行了归纳分析,根据各类算法的不同特性将其分为查表法、安时积分法、基于模型的方法、数据驱动的方法以及混合方法五大类,说明了各类估算方法的主要特征并对模型或算法的优缺点进行综合的比较和讨论;最后,对电动汽车中锂离子电池SoC估算方法的未来发展方向做出展望。     

电动汽车锂离子电池模型参数辨识和荷电状态估算

针对电动汽车锂离子电池荷电状态在线估算准确率低、实时性差等问题,文中建立一种精确在线估算荷电状态的有效方法,采用MAFF-RLS和EKF对荷电状态进行估算。建立锂离子电池的等效电路模型,将MAFF-RLS应用在电池等效电路模型的参数辨识上,可以有效在线辨识模型参数。在模型参数辨识的基础上,将辨识出的模型参数作为荷电状态估算的输入,采用EKF估算动力电池实时荷电状态。经过实验仿真发现,采用MAFF-RLS和EKF联合估算荷电状态能够提高估算精确度,估算误差仅在2%以内。     

一种改进型锂离子电池SOC估算方法

为提高锂离子电池荷电状态(SOC)的估算精度，首先建立锂离子电池的较精确的二阶 RC等效模型，根据模型建立 状态空间方程，其次介绍电池充放电时电压电流采集方法，根据采集的数据，运用扩展卡尔曼滤波算法(EKF)，对锂离子电池的荷电状态进行估算。结果表明，该数据的采集方法具有很高的精度，用扩展卡尔曼滤波算法估算的结果与真实值较为接近，精确度可达4％，对噪声有很强的抑制作用。     

电动车用NiMH电池SoC预测方法的探讨

NiMH电池因具有高比能量、高功率、长寿命及宽使用温度范围等优点，成为电动汽车和混合电动汽车上很有希望的动力电源。NiMH电池SoC的预测在EV和HEV上是非常必要的，它表明了还有多少能量存储在电动汽车中。综合目前国内外情况，介绍了镍氢电池的建模及SoC预测方法的进展，分析了各种方法的适用情况。     

动力电池荷电状态估算方法的研究

由于电池本身特性决定了电池电量的预测成为电动汽车开发的一个难点。但目前各种方法都难以精确地测量蓄电池的剩余电量,并以此计算电动汽车蓄电池的荷电状态（SOC）。在对目前常用的剩余电量计量方法分析基础上,提出了一种基于开路电压法和安时法复合的估算方法,然后利用卡尔曼滤波估计递推算法对蓄电池SOC进行实时估算,并在MATLAB下进行了仿真,实现了电池荷电状态（SOC）的精确估算。     

基于神经网络与UKF结合的锂离子电池组SOC估算方法

锂离子电池组作为电动汽车的主要动力能源,对荷电状态的准确估计是电动汽车的关键技术之一。准确的SOC估计,对锂离子电池组的寿命维持及电动汽车的行车安全,具有十分重要的意义。基于此设计一种基于神经网络与无迹卡尔曼滤波器(UKF)相结合的SOC估算方法,既克服了UKF需要等效电池组电路模型的缺点,也能显著减小神经网络估算方法的最大误差。该实验数据来源于高级车辆仿真器(ADVISOR2002)基于实际工况的仿真结果,经实验数据证明,该方法具有有效性和实用性。     

电动汽车估算策略综述

近年来,由于混合动力和纯动力电动汽车能有限减少燃料消耗,减少对进口石油的依赖和温室气体排放而在全球范围内受到广泛关注。电动汽车的全面性成功主要取决于他们所创建的子系统的性能。为了提高这些子系统的性能,对其参数的估算精度要求非常之高。此外,估算策略在电池系统和车辆能量管理上发挥了重要作用。有少数的估算策略相关的综述,但只关注于电池的核电状态(SOC)和健康状态(SOH)的估计。文章对混合动力和纯动力电池汽车的各种估计策略做了全面综述,对现有的估计策略进行分类,并阐述每个估计策略中使用的不同方法。     

一种基于预测开路电压估算SOC初值的方法

为解决电动汽车动力电池 SOC初值估算问题,文章以锂离子动力电池为对象,进行了脉冲放电实验,拟合了锂离子动力电池开路电压与 SOC函数关系式。对七阶Thevenin等效电池模型进行了参数辨识,预测了锂离子电池开路电压,将预测的开路电压代入开路电压与 SOC函数关系式进行了 SOC初值的估计。通过仿真实验,得出 SOC 初值估计误差为0.1321%。文中 SOC初值估算精度优于市场上通用的电池容量检测仪精度,验证了预测开路电压估算 SOC初值方法的可行性。     

基于Freescale单片机的电池管理系统设计

为了实现电动汽车电池的实时监控,在研究了锂离子电池特点的基础上,提出了一种用于混合动力汽车的分布式电池管理系统。其中,硬件系统包括电源模块、基于Freescale系列单片机的主控制模块和子模块、均衡模块以及CAN总线通信模块等;软件系统包括基于下溢中断的数据采集与处理、SOC估算、均衡处理和CAN通信等任务。     

基于FBG储能锂离子电池的温度与应变监测技术的研究进展

锂离子电池因其高能量密度、环保性和长循环寿命等优点，近年来已广泛用于各种储能应用。然而，储能电池运行安全问题频繁发生，稳定性和可靠性等方面仍需改进。目前，检测锂离子电池温度和应变的方法主要包括热电偶温度传感器、电阻温度传感器和电阻应变计等。然而，这些方法存在一些限制，例如不能全面测量电池整体温度，以及传感器尺寸较大，难以嵌入电池内部。在此基础上介绍了几种基于FBG的储能锂离子电池温度与应变监测技术，同时比较了它们之间的优点和缺点，最后总结并展望了FBG在锂离子电池温度与应变监测中的发展前景。