磷酸铁锂电池荷电状态估算方法研究

电池的荷电状态(SOC)是电池管理系统要实现的重要功能之一。精确估算电池的荷电状态能为提高电池利用率和延长电池寿命起到重要作用。分析温度、放电倍率、充放电循环次数等因素对电池容量的影响,结合磷酸铁锂电池本身的特性,提出一种改进的安时计量法与开路电压法相结合的估算方法对SOC进行在线估算。应用到自平衡两轮车上,实验测试结果显示此方法能够实时、准确地估算电池SOC。     

基于多模型的电池SOC估计算法的研究

电池管理系统是电动汽车的重要组成部分之一,而对于电池荷电状态的精确预测和估计是电池管理系统的最重要的性能指标之一.考虑电池老化、极化、滞后现象等因素,在基于卡尔曼滤波法以及安时计量法的基础之上,提出了一种改进的复合模型SOC(state of charge)算法,并将其应用于外插式混合动力电动汽车磷酸铁锂电池管理系统.研究结果表明,改进后的复合模型算法解决了传统的安时计量法难以准确估计,以及传统的卡尔曼滤波法对于系统要求偏高等缺点,进一步深化了电池管理系统的研究.     

基于混合动力汽车车载电池SOC算法的研究

在混合动力汽车中,电池荷电状态(state of charge,SOC)是发动机和电机动力分配以及电池管理的一个重要依据.以磷酸铁锂电池为研究对象,在进行了电池各种特性实验的基础上提出了一种电池SOC的估算方法,即在安时计量法的基础上,与等效电路模型和开路电压法相结合的估算方法.利用Matlab软件建立了该算法的仿真模型,仿真结果验证了该综合估算方法的可行性和精确性.     

基于开路电压法的磷酸铁锂电池SOC估算研究

为了提高磷酸铁锂电池的安全性和使用寿命,需要对电池中最重要的参数——荷电状态(state of charge, SOC)进行有效的估算。因此,对电池SOC的估算方法进行研究,通过一种精简的开路电压法可以快速并相对准确地估算磷酸铁锂电池的SOC,相关充放电实验确定了开路电压与电池SOC的对应关系,并分别选用静置前后的开路电压对电池的SOC进行估算。结果表明在磷酸铁锂电池出色的性能基础上,这种简单快捷的开路电压法可以精确地估算其电池的SOC。     

磷酸铁锂电池作为变电站用直流电源的特性

为了探索磷酸铁锂电池取代铅酸蓄电池作为变电站用直流电源的工作特性,通过浮充电测试,对铅酸电池和磷酸铁锂电池在不同浮充电压下的浮充电流特性、搁置特性、模拟工况放电特性等方面进行比对分析,发现磷酸铁锂电池具有远远超过铅酸蓄电池的大电流放电能力;磷酸铁锂电池具有不同于铅酸蓄电池的浮充特性,建议其浮充电压应选择在3.50 V左右。对磷酸铁锂电池组进行长时间浮充试验发现,在室温下3.6 V电压浮充运行一年后,其容量保持率高达96.06%。     

车用锂离子动力电池SOC的预测研究

为了估算锂离子动力电池的荷电状态(SOC),在对影响SOC值的因素及传统SOC估算方法分析的基础上,依据实际情况,采用了一种新思路,即将电池的工作状况分为静止、恢复、充放电三种状态,分别对三种状态进行SOC估算。在估算过程中分散并消除影响SOC值的因素,特别在充放电状态下,使用了以库仑效率因子为基础的电量的动态恢复量对安时计量法进行改进,解决了安时计量法会产生累积误差的问题。经实验表明,此方法提高了电池SOC计算的精度,达到了动力汽车的应用要求。     

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。     

基于双回路SOC调节的风电场功率平滑控制策略

针对风电并网发电系统的功率波动问题,本文研究了一种基于双回路SOC调节的混合储能系统风电场功率平滑控制策略。对含有全钒液流电池和锂电池的混合储能系统,通过双回路SOC调节控制,合理分配锂电池和液流电池的实际输出功率,并实时更新混合储能的荷电状态。该控制策略实现了风电有功功率的平滑需求,并且使锂电池和全钒液流电池的SOC值稳定在安全范围内,可以有效减少锂电池的充放电次数,达到保护电池的目的。通过仿真实验,验证了该控制方法的有效性。     

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。     

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。     

基于神经网络的磷酸铁锂电池SOC预测研究

利用神经网络进行了电动汽车用的磷酸铁锂（LiFePO4）电池荷电状态（state of charge,SOC）预测研究。在分析磷酸铁锂电池充放电机理的基础上,采用levenberg-marquardt（LM）算法建立了磷酸铁锂电池的BP（back propagation）神经网络模型,并进行了电池SOC值的预测。结果表明,基于神经网络的电池SOC预测方法具有较高的精度,可用来预测磷酸铁锂电池的SOC值。     

自适应神经模糊系统的LiFePO_4电池SOC预测

利用自适应神经模糊系统(adaptive neuro-fuzzy inference system,ANFIS)对电动汽车磷酸铁锂(LiFePO4)电池荷电状态(state of charge,SOC)预测研究。在分析ANFIS结构原理基础之上,采用BP(back-propagation)算法和最小二乘估计的混合算法分别建立两输入变量和三输入变量的ANFIS预测模型,并利用两种模型进行SOC预测。实例预测结果表明ANFIS能精确预测磷酸铁锂电池SOC值,且三输入变量ANFIS模型预测精度得到改善;与实测相比,三输入ANFIS预测模型的最大绝对误差在1%以下,平均百分比误差(average percentage error,APE)小于2%。     

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。     

电动汽车用LiFePO4/C锂离子蓄电池性能

对最新开发的150AhLiFePO4/C锂离子蓄电池进行了试验测试。分析和评价了其电压特性、容量特性、直流内阻特性、功率特性和温度特性,同时与其他动力电池的性能进行了比较。研究表明,LiFePO4/C锂离子蓄电池在安全性、循环寿命、成本和对环境友好等方面的特点适于电动汽车应用,但综合性能优势尚不明显,尤其是低温性能需要改善,比能量和比功率需要进一步提高。     

盖帽结构对LiFePO4动力电池性能的影响

以磷酸铁锂(LiFePO4)、中间相碳微球为正、负极材料,采用功能性电解液,制备了10 Ah铝壳磷酸铁锂动力电池,研究了一体式盖帽和非一体式盖帽对电池的性能影响.结果显示,采用一体式盖帽的电池,平均内阻为2.0 mΩ,最大放电倍率10 C,最大充电倍率为5C,5C倍率常温循环600次后容量保持率为86.4％;采用非一体...     

动力锂离子电池离散特性分析与建模

离散化特征是目前锂离子电池组在电动汽车上大规模使用时需要认真研究的问题。对电池组工作电压离散特性的统计规律进行了研究,对电池组静态SOC离散程度进行了定量研究。以两种正极材料（磷酸铁锂和锰酸锂）的电池模块为试验对象,对在动态工作中电池模块的电压离散性进行了初步分析,提出了容量衰减系数的概念,并讨论了电流与温度对工作电压离散程度的影响。最后归纳总结了锂离子电池组离散度的影响因素,提出了改善电池组均匀性的控制方法。     

磷酸铁锂锂离子电池SOC的电流脉冲探测

在不同荷电状态(SOC)下,研究磷酸铁锂(LiFePO4)锂离子电池对充放电电流的响应程度,确定几组响应最强烈的电流.将电池组在实际装车运行中该电流下的脉冲数据与电池管理系统中的数据对照,作为辅助方法对当前计算的SOC进行校正,然后采取合适的策略对电池组均衡.试验证明,电池组的容量提高了10％以上.     

铅酸蓄电池荷电状态的判定方法解析

铅酸蓄电池已经有150年多年的历史,最初是主要作为固定式电源和起动式电源使用,目前在电动自行车、太阳能-风能一体化发电站等领域也获得应用.在后一种情况下,铅酸蓄电池荷电状态的确定十分重要.目前已提出十几种方法用于确定荷电状态,本文详尽地综述了这些方法,比较了每种方法的优、缺点.     

基于LabVIEW的动力电池SOC实时估算系统研发

在电动汽车能量管理控制策略和电池管理系统研究中,电池荷电状态(State of charge,SOC)的准确估算一直是重点和难点。基于磷酸铁锂动力电池的工作原理和充放电特性试验,利用MATLAB软件拟合获得不同放电电流下的库仑效率和开路电压与SOC的关系。并采用虚拟仪器LabVIEW与相关硬件,实时采集动力电池相关数据,将SOC估算的安时法与开路电压法相结合,实现了对动力电池SOC的实时估算与高精度显示,提高了电池SOC研发系统的实用性与准确性。     

锂离子电池自放电的研究

采用三电极的方法分别通过分析锂离子电池正负极的电位变化来研究电池的自放电.锂离子电池存储过程中的自放电的影响因素主要有：存储温度和存储时电池的充电状态,温度越低,电池的充电状态越低（但电压范围有限制：3.8～4.2V）自放电越小.电池充放电过程中的自放电主要是由两部分组成,一是电池内部的副反应;二是内部微短路.内部微短路是由极片表面的颗粒及阴极极片边缘的金属毛刺所引起的电池内部微短路造成的.减小这些影响因素,可以降低电池的自放电.