共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
电动汽车动力电池模型和SOC估算策略 总被引:10,自引:1,他引:10
主要研究如何准确估算电动汽车动力电池的荷电量状态。通过对开路电压、自恢复效应、温度、充放电效率、寿命等多个影响荷电量状态的主要因素进行深入研究,建立了一种新的荷电量状态的数学模型,并在此基础上提出了一种电量状态复合估算策略。当电池处于不同状态时,合理地使用开路电压初始电量预估算法、直接调用记录初始电量预估算法、Ah电量动态计量法、系数修正法等不同方法估算电量状态,多种方法的复合使用弥补了使用单一方法的不足,有利于提高电量状态的估算精度。该电量状态复合估算策略成功地应用在电动汽车动力电池的管理上,使电量状态的估算误差小于4%。 相似文献
3.
不同SOC下大容量氢镍电池的交流阻抗特性 总被引:2,自引:0,他引:2
研究了大容量MH-Ni电池在不同SOC下的交流阻抗特性。MH-Ni电池的阻抗图谱包含一个高频区的半圆和低频区的直线。研究发现,MH-Ni电池的欧姆阻抗及其对应的频率、电化学反应阻抗,以及半圆阻抗虚部最大值处的频率可以有效地用于SOC的分析和预测。 相似文献
4.
5.
6.
梯次利用锂离子电池电化学阻抗模型及特性参数分析 总被引:1,自引:0,他引:1
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。 相似文献
7.
8.
9.
利用神经网络进行了动力电池荷电状态(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)算法建立了动力电池的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。 相似文献
10.
11.
12.
为了准确预测使用过程中的电池荷电状态,提出了电化学阻抗谱预测法.通过试验曲线得知电池的阻抗图谱包含一个高频区的感抗弧和两个低频区的容抗弧,由此建立了锂电池合理的等效电路,并通过非线性拟合的最小二乘法和电化学知识相结合,解析了等效电路中的元件参数值.研究各参数随荷电状态变化的规律,发现阻抗模的最大值处的频率fmax、相角参数φ以及等效电容CS可用于锂电池荷电状态的分析和预测. 相似文献
13.
14.
为了获取低压电力线信道的阻抗特性随频率、时间、接入位置等变化的特点,采用比值法的原理,自行设计阻抗测量电路,选取我国实行电力用户用电信息采集系统的典型台区,对9~500kHz窄带低压电力线信道的阻抗进行了大量的测量,并利用MATLAB对所测数据进行处理计算及特性分析,分析结果表明:在9~500kHz频段内,阻抗随频率的升高呈上升趋势;不同接入点具有不同的阻抗特性;阻抗具有一定的时变性;阻抗受电网结构及负载类型、数量的影响较大。 相似文献
15.
16.
现有电池SOC预测方法,大都基于开路电压、开路电流等外电路或者测量电源内阻的方法,而没有考虑到电源的内在特性,尤其没有考虑电池的自恢复效应的影响,且大都采用恒压、恒流放电的工作模式,难以实现对电池SOC的动态预测。针对电池SOC预测方法的缺点,提出了一种包含有电池自恢复效应的电池SOC动态预测方法:提出一款包含有电池自恢复效应的动态电池模型,基于此电池模型提出了计及电池自恢复效应的动态放电模型,并论述了此放电模型与自恢复效应的关系,仿真结果表明,本预测方法具有较高的预测精度,且可实现动态预测。 相似文献
17.
18.
把距离保护测量元件划分为阻抗继电器与距离继电器两大类。分别讨论了阻抗继电器与距离继电器的特点。对测量阻抗、支接阻抗这两个概念进行了分析。 相似文献
19.
采用恒流放电试验采集数据,通过拟合方法建立了电动汽车铅酸电池充放电特性的数学模型,并对该模型进行验证,取得了满意的结果,为铅酸电池充放电特性的研究提供了依据。 相似文献