基于脉冲电流放电法的蓄电池内阻在线检测研究

针对现有蓄电池内阻检测方法存在的精度差、复杂性高和影响蓄电池寿命等缺点,研究了一种基于脉冲电流放电法的内阻在线检测系统。通过控制开关管的通断使蓄电池对负载进行脉冲电流放电,同时采集放电前后的电压及电流,经交流差分电路放大后将交流信号转变为直流信号,再通过滤波电路处理后进行模数转换,最后由MSP430单片机进行分析处理,实时在线计算蓄电池内阻。实验结果表明,本文提出的脉冲电流放电法需要测量的参数较少,降低了系统的复杂性,提高了在线测量蓄电池内阻的精确度,同时避免了瞬间大电流对蓄电池的损害,延长了使用寿命。     

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。     

模糊神经网络技术的铅酸蓄电池性能检测研究

提出了蓄电池动态内阻的概念。论证了铅酸蓄电池内阻与剩余容量之间良好的相关性。以铅酸蓄电池动态内阻、电解液密度和电解液温度为判定蓄电池容量和瞬间放电能力的特征矢量。设计了动态电子负载和蓄电池特征矢量检测系统,采集蓄电池特征矢量数据,经模糊神经网络对融合的数据进行综合推理,以测定蓄电池的剩余容量和瞬间放电能力。最后,对一组10块2 V600 Ah的铅酸蓄电池进行性能测试。     

蓄电池内阻在线监测系统关键技术研究

蓄电池内阻在线监测系统利用瞬间大电流放电法快速取得蓄电池内阻等相关重要技术参数,通过内阻历史变化趋势,利用智能分析技术快速在线检验及预测落后蓄电池,为蓄电池性能的快速检验提供一种新的方向。     

基于改进灰色模型的蓄电池剩余容量预测

蓄电池作为直流系统交流停电时的后备电源,其剩余容量直接影响了直流系统的安全运行。在对现有灰色预测模型进行深入研究的基础上,将遗传算法引入到GM(1,1)模型中,对此加以改进,提出了一种新的基于遗传算法的蓄电池剩余容量灰色预测模型。预测实例表明,基于遗传算法的蓄电池剩余容量改进灰色预测模型比传统的GM(1,1)预测模型具有更高的模型精度,能够满足工程需要。该方法可减少传统的电池容量放电实验次数,从而延长了蓄电池的使用寿命。     

灰色系统在蓄电池失效预测中的应用

依据蓄电池内阻与剩余容量之间的非线性关系,采用灰色预测系统的GM[1,1]模型,实现对铅酸免维护蓄电池失效的预测。这种方法取代了传统的电池容量试验方法,取得了很好的效果。     

阀控式铅酸电池老化实验及其失效性预测方案

为了实现对阀控式铅酸蓄电池失效性的有效检测,建立了以内阻变化率为依据的预测模型。根据电池老化实验,所测得的电池内阻,电压,充放电流,温度等数据进行回归分析。通过回归分析得到蓄电池内阻随放电时间的关系,推导出内阻的变化率函数。同时根据大量的实验数据分析、估计出当蓄电池内阻增加到其基准值的30%,放电容量达到80%时的斜率值范围,并根据内阻变化率来建立预测模型。实验结果表明:阀控式铅酸蓄电池内阻随着时间变化趋势接近三次函数和指数函数,以内阻变化率来建立模型预测蓄电池失效时期比内阻更加可靠和精确。     

二次放电在线检测蓄电池内阻

蓄电池组是变电站直流操作电源系统的重要组成设备,在交流停电时为负载提供不间断电源.重要的变电站要求配置蓄电池监测装置实时监测蓄电池的状态.介绍了一种基于RS-485总线结构的分布式蓄电池监测装置,该装置由若干测试单元和一台监测单元组成.每节蓄电池配备一台测试单元,测试单元内置自带A/D转换器的单片机,实时检测匹配的蓄电池端电压.监测单元带站号召唤测试单元获取数据,并下发内阻检测命令,测试单元采用二次瞬间大电流放电的方法实现在线检测对应的蓄电池内阻.     

基于直接采样相移法的蓄电池内阻测量

现代通信系统中,蓄电池是直流供电系统的最后一道安全保障屏障.蓄电池的好坏及供电质量直接影响到整个通信系统的安全可靠运行.蓄电池内阻检测是评价蓄电池质量的重要方法.详细介绍了交流法测量蓄电池内阻的基本原理,依据该方法存在的缺陷,提出了直接采样相移法测量蓄电池内阻的新方法,并用硬件电路实现了该功能.     

基于阶梯式放电的蓄电池维护技术

变电站蓄电池核对性放电工作量非常大,要每2年进行一次,两次测试时间间隔太长,期间难保证蓄电池组不出现安全问题。本文从测试性放电及蓄电池内阻测试方面,研究基于阶梯式放电的蓄电池维护技术,详细介绍该方法的原理、构成、设计和建立判断蓄电池健康状况的数学模型。应用表明,该方法操作简单可靠,大大简化了维护人员的工作量,而且能有效地判断蓄电池健康状况,具有良好的实用和推广意义。     

基于自恢复效应电池放电模型及其应用研究

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。     

基于BP神经网络的电池电解液密度预测

为了对电池电解液密度进行预测,建立了BP神经网络模型,用电池充放电试验数据对其进行了训练和检验。利用训练后的神经网络模型进行了电池电解液密度的预测,预测值与实测值的最大误差值为0.020 9 g/cm3,均方根误差值为0.004 0 g/cm3左右。结果表明,BP神经网络方法可以满足预测精度要求,从而可用于建立电池剩余电量实时监测系统,降低电池维护工作量并延长电池的使用寿命。     

基于放电试验法的机载蓄电池SOC估计方法研究

针对机载蓄电池的安全问题,提出了一种机载蓄电池SOC估计方法,该方法基于放电试验法对其荷电状态进行估计,通过评估结果对其进行再利用或回收决策。通过对蓄电池进行循环充放电维护,最终实现对机载蓄电池荷电状态的有效判决。应用于地面维护设备的长时间稳定运行效果表明,该方法稳定可靠,能够对新启封或已多次使用的机载蓄电池进行荷电状态有效判断,并作为健康状态判断的重要依据,达到安全运行和环境保护的目标。     

光伏发电系统蓄电池变电流快速充电的研究

对独立光伏发电系统中铅酸蓄电池的充电特性进行了分析,提出根据蓄电池端电压的变化预测蓄电池内过充电反应状况,采用变电流充电方法进行快速充电.根据负载和蓄电池的变化调节光伏发电系统的工作状态,优化控制充电过程.仿真研究表明该方法能够避免蓄电池发生过充电和最大限度地避免欠充电,从而延长其使用寿命,同时提高了光伏系统的工作效率,实现系统优化运行.     

电动车辆用锂离子电池热特性研究

电动车辆的性能和成本很大程度上取决于动力电池组的性能和使用寿命,而电池组的性能和使用寿命又受到电池生热的影响。为了研究电池在充放电过程中的生热特性,以35 A·h,3.7 V方形锰酸锂电池为研究对象,对常温下充放电生热特性和低温放电的生热特性进行研究。研究结果表明:随着放电电流增大,电池温度快速提高,且低温环境下利用电池放电生热可改善电池性能,这些将为后续动力电池组热管理系统研究提供参考。     

修正RC模型混合动力车用氢镍蓄电池SOC预测

根据混合动力汽车动力蓄电池瞬时脉冲大电流充放电工作特点,提出了一种能够实时动态估计氢镍蓄电池SOC的新方法。结合蓄电池当前状态和历史使用因素共同确定蓄电池初始SOC,并利用修正的RC模型,通过合理分配权值综合运用电量累计法和开路电压法进行蓄电池的SOC预测,电量累计考虑充放电效率和寿命因素影响,开路电压利用卡尔曼滤波法求解。最后,通过台驾试验验证算法的准确性,结果表明,SOC预测误差可控制在6%以内,满足混合动力汽车工作要求。     

基于高斯过程回归的电池容量预测模型

为了更好地对电池健康状况和使用寿命进行预测,为装备保养维修提供更为详尽的决策依据,针对电池动态、时变、非线性的系统特点,提出了一种基于高斯过程回归的电池容量预测模型。基于不同的核函数对电池容量进行回归预测,同时对比了灰色模型和神经网络模型的预测效果。仿真结果表明:高斯过程回归模型的预测效果要优于其他模型的预测效果;对于电池容量的预测,平方指数协方差函数和二次有理协方差函数的组合模型可以取得良好的预测结果,预测误差下降了31.157%。     

老化锂离子动力电池Peukert方程的适用性分析

针对老化锂离子动力电池二次利用过程中可用容量估算的问题,研究其Peukert方程的适用性。以老化的35 Ah三元锰酸锂混合材料动力电池为研究对象,建立其Peukert方程,分析其适用性,结果表明无需考虑电池老化后实际容量与额定容量存在的倍率差问题。对比一阶段和二阶段Peukert方程,结果表明该老化动力电池利用Peukert方程进行容量估算时无需考虑二阶段放电。分别在25、15和40℃环境下分析了其适用性,为老化锂离子动力电池放电容量的估算奠定基础。     

电动汽车换电站可用电池组数动态调度策略

电动汽车换电站由于其换电过程耗时短、便于统一管理等优点,成为了电动汽车电能补充的重要方式。但由于电动汽车用户的换电需求具有随机性,目前的预测方法不能很准确地对其进行预测,因此对换电站精确地制定充放电调度计划有较大难度。针对这一问题,建立换电站日前调度与实时调度模型,并通过粒子群算法在Matlab中完成仿真计算。在日前调度模型中通过对用户换电需求的预测制定日前调度计划,在满足各时段需求的前提下优化换电站各时段充放电功率;在实时调度模型中根据各时段需求预测的误差,来动态调整后续时段的调度计划。通过实时调度与日前调度的协调,使换电站抑制了用户实际需求波动影响,同时合理兼顾用户利益、换电站收益与电网的优化运行。