车辆用锂离子动力电池特性分析

为了更好地制定整车动力电池系统的充放电策略,充分发挥动力电池性能,减缓电池衰减;以电动车辆上运用最广泛的磷酸铁锂电池和三元镍钴锰酸锂电池为研究对象,对电池的电压、内阻、倍率性能和静态存储容量衰减特性进行分析总结.结果表明:LFP和NCM两类电池因材料不同,特性差异较大,容易受温度、电量SOC影响,所以在制定充放电策略时...     

磷酸铁锂电池快速充电技术

本文基于磷酸铁锂电池,介绍了磷酸铁锂电池作为电动车电池的优点和磷酸铁锂电池的充电特性,介绍了快速充电技术的进展,详细介绍了各种基于磷酸铁锂电池的快速充电技术。     

锂电池开路电压的预估及SOC估算

由于锂电池在多方面的优越性能,它在电动汽车领域的应用也越来越广泛。通过电池恒流充放电特性实验,得到锰酸铁锂电池开路电压(UOCV)与对应SOC的关系曲线及电池放电自恢复曲线,并结合锂电池等效电路模型,利用matlab拟合曲线,推导出开路电压的预估公式,实现对开路电压的预估,解决了开路电压法静置时间长的缺陷。在此基础上,结合安时积分法进行动态SOC估算,通过不断对安时积分法的值进行修正,消除它的累积误差。实验结果表明,该算法能较准确地估算电池的SOC,对电池管理系统的研究有一定参考价值。     

快充型磷酸铁锂电池在纯电动客车中的应用

随着纯电动汽车研究的深入,快充型磷酸铁锂电池独特的储能特性正日益受到人们的重视。文章在介绍快充型磷酸铁锂电池的特性、工作原理的基础上,阐述了选型依据及相关计算,并给出应用该型电池的优势。     

温度差异对电池一致性的影响

通过在不同环境温度下对磷酸铁锂电池和三元电池进行充放电循环试验,深入探讨温度差异对电池一致性的影响,为相关企业设计和评估电池管理系统提供参考。     

基于融合算法的车载锂电池荷电状态估计

动力电池的荷电状态(State Of Charge,SOC)是电池管理系统(Battery Management System,BMS)的关键内容。本文采用遗传算法(Genetic Algorithm,遗传算法)和BP神经网络(BP neural network)相结合的方法对动力锂电池进行荷电状态估计,通过从NASA中提取的锂电池充放电数据进行训练和测试得到的SOC估计值与真实值的对比分析,基于这种融合算法的锂电池SOC估算误差在2.5%以内,验证了提出的电池估计方法的有效性。     

基于HEV的磷酸铁锂电池剩余电量计量方法的研究

在研究混合动力电动汽车磷酸铁锂电池放电特性的基础之上,提出了基于磷酸铁锂电池工作电流、工作温度和工作电压的混合动力电动汽车动力电池剩余电量计量方法,建立相应的数学模型,并在Matlab/Simulink软件中进行了磷酸铁锂电池剩余电量计量方法的仿真分析.仿真结果表明,与SOC法相比,基于磷酸铁锂电池特性的相对剩余电能量法可以直接反映电能量随电池工作电流和电压的改变而变化的关系,尤其是在电池工作电压变化比较大的阶段,其Km值与SOC值平均相差7%~23%.     

新能源汽车动力电池SOC建模研究

电池管理系统(BMS)主要是通过对电池能量的监测有效控制,提升电动汽车续航里程,是电动汽车的核心组成部分。本文以磷酸铁锂电池为研究对象,提出基于对电池SOC的一种其等效电路电池模型,并提高其精度。     

基于磷酸铁锂电池的快速充电技术

本文基于磷酸铁锂电池,介绍了磷酸铁锂电池作为电动车电池的优点,详细介绍了各种基于磷酸铁锂电池的快速充电技术。     

电动汽车动力电池SOC估算研究

电动汽车的电池性能直接影响到整车性能,而SOC(state of charge)估算是电池管理系统的重要功能,也是急需解决的技术难点。为了估算锂电池的荷电状态SOC,基于电池外特性的实验数据,建立电池等效电路模型。在MATLAB中搭建电池模型,并研究卡尔曼滤波算法对Ah计量法估算SOC的修正作用。结果表明:所选择的电池复合模型能有效地模拟电池特性,结合开路电压法、Ah计量法和卡尔曼滤波法的SOC估算算法能有效地解决SOC初值估算不准和累计误差的问题。     

基于CAN总线的锂离子动力电池组管理系统

本文描述了一种新的动力电池组管理系统,该系统基于CAN总线技术,具有电池组状态监控、均衡充电、电池荷电量评估等功能,可以提高电池组的使用效率及寿命,保证电池组和电动汽车行车的安全.     

5基于改进型采样点卡尔曼滤波的矿用电池SOC估计

为了实时、准确地估计矿用电池SOC值,通过采用加权统计线性回归法实现模型函数线性化,将采样点卡尔曼滤波技术应用到矿用电池SOC估计中.针对有限的电池管理系统资源,基于电池状态观测复合模型的状态方程线性和观测方程非线性的特点,提出了将标准卡尔曼滤波和采样点卡尔曼滤波组合的非线性滤波算法;为了使得该算法具有应对突变状态的强跟踪能力和应对模型不准确的鲁棒性,引入了奇异值分解,采用特征协方差矩阵代替误差协方差矩阵,并基于强跟踪原理引入了次优渐消因子.仿真结果表明,基于改进型采样点卡尔曼滤波的矿用电池SOC估计算法兼顾估计精度和运算量,并具有跟踪突变状态和应对模型不准确的鲁棒性,完全适用于资源有限的矿用电池SOC估计;可见,该算法具有良好的实际应用价值.     

Highly precise determination of the state of charge of vehicular battery

An intelligent battery sensor is an important component for vehicular energy management, and the precision of online estimation of the state of charge determines sensor’s performance. A simple equivalent circuit was employed to describe the dynamic properties of vehicle lead-acid batteries. A model is reported to estimate the state of charge using the approximately linear relationship of open circuit voltage with this parameter. A time-varying circuit of the model was prepared and an identification model was derived to improve the accuracy. A method that employed a cascaded combination of double improved extended Kalman filters is reported and employed in a demonstration intelligent battery sensor. This approach has higher precision and speed in estimating the state of charge compared to previous protocols.     

AGM电池荷电状态与开路电压关系研究

通过对车用AGM电池在不同环境温度下荷电状态（SOC）与开路电压（OCV）的关系研究,发现AGM电池在其规定的工作温度范围内,其SOC与OCV有着良好的线性关系,为开发基于开路电压和电池温度的电池管理策略提供了理论依据。     

串联混合动力牵引车蓄电池SOC的监测

文中提出了基于安时法计算混合动力电动牵引车蓄电池已用电量，在求出当前蓄电池荷电状态的基础上，利用根据能量守恒模型计算出的蓄电池SOC进行荷电状态校正，采用80C196KC加上相应的感应器来实现。实验表明，该方法测出的蓄电池荷电状态比较准确，有较高的精度。     

基于LTC6804-2的锂电池SOC应用研究

分析了电池荷电状态(SOC)测量原理,设计了一种基于LTC6804-2的锂电池SOC应用系统,系统硬件包括锂电池电压测量电路、锂电池电芯表壳温度测量电路、锂电池充放电霍尔电流测量电路、LPC2478为嵌入式主控芯片的ARM7电路;系统软件包括LTC6804-2芯片的配置与电池电量数据读取、温度数据读取、充放电电流计算、LPC2478任务管理与通信。经过实际拷机测试,系统运行稳定,系统测量误差小于0.05%,测量精度高,可以推广到UPS在线式电源或矿用锂电池管理系统等工程实际中使用。     

面向整组寿命最大化的电动汽车电池一致性变化规律及其均衡策略

串联电池组的一致性问题是电池成组使用的关键问题之一,常通过电池均衡技术进行干预调节。但现有均衡策略多着重于单次循环容量和能量的最大利用,忽视了长时间尺度下电池组的一致性演变。为实现长时间尺度下的电池组寿命最优,试验研究了工作区间对电池老化的影响,讨论了传统顶部均衡和底部均衡下的电池组一致性演变,提出了优化最差单体工作区间的寿命均衡策略。研究发现使用的三元锂电池在高荷电状态区间循环时存在较快的容量衰减,增加循环放电深度同样会加速容量衰减;顶部均衡和底部均衡虽然可以最大化电池组单次性能,但容量一致性依旧持续变差,表明了寿命均衡的必要性;提出的寿命均衡策略使最差单体循环在较低的荷电状态区间,减小其容量衰减速率,进而有效地提高电池整组的累计放电量;最后,设计的试验证实了所提出的均衡策略可以显著提高电池组的容量一致性,并设计了相应的系统实现方案。提出的寿命均衡策略也为未来电池组的均衡研究提供了新的方向。     

基于模糊卡尔曼滤波器的锂电池荷电状态与健康状态预测

针对当前锂电池荷电状态(State of charge, SOC)与健康状态(State of health, SOH)预测精度较低的问题,提出了一种基于模糊卡尔曼滤波器的预测方法。采用非线性二阶电阻电容模型表示锂电池,并通过最小二乘误差优化算法对模型参数进行估计,从而更准确地确定蓄电池容量作为SOH值的基础。扩展卡尔曼滤波器(Extended Kalman filter, EKF)可在初始SOC值未知的情况下对其进行准确预测,而模糊逻辑有助于消除测量和过程噪声。仿真结果表明,在城市测功机驱动计划期间(Urban dynamometer drving schedule, UDDS)测试中最大的SOC估算误差是0.66%;通过离线更新卡尔曼滤波器,可对电池容量进行估计,结果表明,最大估计误差为1.55%,从而有效提高了SOC值的预测精度。     

基于DSP的电动汽车蓄电池电量计量及荷电状态估计

荷电状态是反映蓄电池能量的重要参数,是电动汽车整车控制器制定能量控制策略的重要依据。为了解决电动汽车蓄电池电量计量及荷电状态估计问题,设计了基于数字信号处理器(DSP)的蓄电池电量快速计量系统,采用安时法对蓄电池充放电容量进行了估计,通过放电率、温度、自放电及容量老化等补偿措施来提高计量精度,并分析了温度与充放电倍率对蓄电池容量的影响。试验结果表明,补偿后的安时法可准确地估计蓄电池荷电状态,最大充放电倍率随温度升高而增大。     

基于最小二乘法辨识模型的铅酸蓄电池在线监测系统设计

针对传统铅酸蓄用电设备异常监测系统监测准确率较低的问题,设计基于最小二乘法辨识模型的铅酸蓄电池在线监测系统。利用单体电池传感器的模块和基于电池组数据的集中器模块,构成硬件设备;利用上位机单元收集和存储电池电流以及电压数据,识别电池二阶模型参数;凭借最小二乘法计算出电池的荷电状态、电压、电流和内阻值,实现电池在线监测。实验证明,所提方法能够很好监测出电池电压、放电和寿命参数。