一种新型SOC估计算法的研究

在建立电池管理系统的过程中,动力电池荷电状态(SOC)的实时测量和估计很关键。分析了各种电池SOC估算方法的优缺点,提出了一种实时检测电池端电压作为判断电池充电状态的电压-安时计量算法。由该算法构成的电量计能实时、准确计算电池的电量和SOC,保证了动力电池在电动汽车应用中的安全、可靠运行。     

基于PIC单片机的光伏蓄电池充电系统电量计设计

针对离网型光伏发电系统,提出了一种基于PIC单片机的估算蓄电池荷电状态的电量计,分析了估算蓄电池荷电状态常用的开路电压法和安时积分法,并根据安时积分法设计了电量计。     

基于神经网络的动力电池SOC研究

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。     

电动汽车动力电池模型和SOC估算策略

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%。     

氢镍动力电池自放电一致性研究

氢镍动力电池搁置过程中的自放电不一致性直接影响到电池的实际应用,静态搁置电压是电池的重要荷电态参数之一,可作为电池自放电性能的重要判据,进行电池自放电的分选,该方法通过大量试验表明十分有效,且简单易行.为缩短分选周期,进行了大量试验,结果表明,将电池充电到20% SOC后,搁置10～15 d,电池静态电压出现明显的差异,通过电压与一个月后的荷电保持率综合判断出分选电池的电压基准,并以此来分选电池,可以大大缩短分选周期.     

典型蓄电池的建模与荷电状态估算的对比研究

研究不同蓄电池荷电状态(state of charge,SOC)的变化特征有助于在实际应用过程中对蓄电池类型进行选择。基于铅酸电池、磷酸铁锂电池、全钒液流电池3种典型蓄电池模型,采用电池容量修正过的改进安时计量法和改进安时-卡尔曼预测法(Ah-Kal法),对各电池在不同充放电模式下,用MATLAB软件编程得到两种估算方法下的SOC变化曲线。通过SOC对比曲线可以发现铅酸电池的自放电较严重,循环寿命短;磷酸铁锂电池可迅速提供大功率;而全钒液流电池适合作为长期大容量储能支持。同时,改进安时计量法和Ah-Kal的估算结果基本相同,验证了Ah-Kal法的正确性。     

基于BP神经网络的动力电池SOC估算

电池荷电状态(SOC)的预测是影响电动汽车发展的关键技术之一,采用经典BP神经网络控制算法完成了动力电池的SOC估算研究。通过设计工况实验,在Matlab中对该算法进行了仿真验证,结果表明该算法能够很好地拟合动力电池充放电特性,误差可以减小到5%以内。     

基于UKF的动力电池SOC估算算法研究

动力电池荷电状态(SOC)在线估算对于混合电动汽车蓄电池管理系统有着举足轻重的意义。针对动力电池SOC估算算法中应用广泛的扩展卡尔曼滤波法(EKF)在非线性系统应用时存在的精度损失问题,采用无迹卡尔曼滤波法(UKF)以提高估算精度。研究了一种改进的电动势(EMF)电池等效模型,讨论了该模型的参数和空间状态方程,并将UKF应用于该模型估算SOC。由实验分析可知,对比采用开路电压法得出的SOC真实值,UKF结合EMF电池等效模型在估算算法中有较高的精度,其估算误差小于5%,且SOC估计结果明显优于EKF,具有较高的实用价值。     

基于小波神经的动力电池SOC估计的研究

提高电池荷电状态(SOC)估计的准确性对电动汽车电池管理系统的研究至关重要。根据历史实验数据,在分析了电池电压、电流、电池表面温度及放电总电量等因素对电池SOC的影响后,提出一种利用小波神经网络的SOC在线实时估计方法。通过与BP神经网络的预测结果进行比较,结果表明,小波神经网络能更准确地逼近实际SOC值,并克服了神经网络容易陷入局部次优点的缺点,且将神经网络隐含层的传输函数用小波函数代替,算法易实现且易于应用和推广。     

机场摆渡车动力电池荷电状态估算算法研究

车载动力电池的荷电状态(state of charge,SOC)不仅影响电池的循环寿命,而且影响整车的安全性。快速而准确的荷电状态估算是电源管理系统的重要组成部分。通过对实验数据进行曲线拟合,分析了荷电状态的影响因素。将扩展卡尔曼滤波算法(extended kalman filter,EKF)和无迹卡尔曼滤波算法((unscented kalman filter,UKF)应用到动力电池SOC估算中,针对机场电动摆渡车特殊的运行特点,设计合理的SOC估算算法,用MATLAB进行仿真并分析算法的快速性和准确性。     

基于退役动力电池储能的光储微网系统

锂电池作为光储微网的储能电池,能够提高光伏发电系统的稳定性,改善电能质量,但成本高昂。将电动汽车的退役动力锂电池用于光储微网的储能单元,不仅可以降低投资成本,还可以缓解大批量电池进入回收阶段的压力。首先基于锂电池的工作原理,构建了退役动力锂电池的等效电路模型。接着建立了储能变流器和多重双向DC/DC变换器级联拓扑,储能变流器采用电压外环、电流内环的双闭环策略,稳定直流母线的电压;多重双向DC/DC变换器采用以电池组的荷电状态(SOC)为约束条件的双闭环控制策略,平抑光伏发电系统的功率波动。最后搭建了基于退役锂电池储能的光储微网系统,验证了控制策略的有效性。     

储能电池荷电状态与平抑风电出力波动协调运行策略

采用电池储能系统(battery energy storage system,BESS)平滑风电功率波动可以优化风电场出力特性,提高风电场输出功率的稳定性。为了延长BESS的使用寿命,需最大限度控制BESS的荷电状态(state of charge,SOC)在限定区间内,以便拥有足够的容量进行下一时刻的充放电动作,从而带来更好的平滑效果。为此,提出了一种运行策略,该策略由2种控制算法组成,系统运行时,根据风电功率波动量的大小决定采用何种算法,2种算法依据风电场实际运行状况相互切换。仿真结果表明,该策略与传统低通滤波相比,不仅拥有较好的平抑效果,还能让BESS的SOC在合理的区间内,从而延长了BESS的使用寿命,节约了储能投资成本。     

储能系统平滑光伏电站功率波动的变参数斜率控制方法

为提高储能系统平滑光伏电站功率波动的能力,提出了基于超短期预测的变参数斜率控制策略。在斜率控制的基础上,通过提出控制荷电状态划分的2个参数变量以及4个充放电功率调节参数,建立了可调整荷电状态的储能系统平滑控制策略。根据超短期预测功率建立目标函数,采用自适应混沌粒子群算法对控制变量进行实时优化,实现平滑效果和荷电状态的协同优化。以光伏电站实测数据进行仿真分析,对比定参数控制策略,该方法在保证平抑效果的基础上能够限制储能系统的充放电深度。     

车用动力锂电池的SOC估计

给出了动力锂电池管理系统的整体结构,并且对主控板和子控板的布局与功能进行了详尽介绍。建立了适合于Kalman滤波估计的锂离子动力电池的状态空间模型,该数学模型关系简单,易于工程实现。在此基础上,对模型进行了线性化处理,采用安时积分法、开路电压法结合扩展卡尔曼滤波(EKF)算法实现了对电池荷电状态(SOC)的准确估算。实验结果表明,EKF算法在估算过程中能保持很好的精度,对初始值的误差有很强的修正作用,在SOC估计中有很强的应用价值。     

注入无功功率的链式电池储能系统荷电状态均衡控制策略

针对链式电池储能系统相内电池组荷电状态(SOC)不均衡问题,分析了单位功率因数下均衡控制策略在SOC极度不均衡时导致过调制的边界条件,并提出了一种注入无功功率的新型相内SOC均衡控制策略。通过在各H桥调制信号中叠加有功和无功电压分量,重新分配有功和无功功率,保证SOC处于极端状态的电池组主要进行有功功率交换,其余电池组主要进行无功功率交换,实现极端模块调制比有效降低,非极端模块调制比略有增长,避免过调制。与单位功率因数均衡控制策略相比,该策略通过控制功率因数角充分协调各模块调制比,可以在各电池组SOC差异更大的情况下实现均衡控制,扩大适用范围。仿真结果验证了所提策略的正确性和有效性。     

大容量链式电池储能功率调节系统控制策略

大容量链式电池储能系统(battery energy storagesystem,BESS)是解决风力发电等可再生能源发电大规模并网问题的有效手段之一。针对BESS的功率调节系统(powerconditioning system,PCS)控制策略,在α-β静止坐标系下应用比例谐振(proportional resonant,PR)调节器实现瞬时功率无静差控制;通过注入零序电压实现相簇间荷电状态(stateof charge,SOC)均衡控制,并通过在各级联单元叠加相应交流电压实现相簇内各单元SOC均衡。仿真结果表明,采用该控制策略的PCS进行瞬时功率控制时具有较快的动态响应速度和较小的稳态误差,同时能有效实现SOC均衡控制,验证了该控制策略的正确性和可行性。     

自动导引车电池管理系统设计

设计了一种用于自动导引车（AGV）的100 Ah 磷酸铁锂电池管理系统（BMS）。介绍了BMS系统组成和软、硬件设计,讨论了动态均衡和荷电状态（SOC）估算的实现方法。试验结果表明,系统单体电压检测精度2 mV,均衡电流最大10 A,SOC估算误差小于5％,具有良好的可靠性和实用性。     

基于MC9S12与LTC6811的储能电站电池管理系统设计

设计了一种用于储能电站的电池管理系统(BMS)。基于储能电站BMS拓扑结构及锂电池的特性,设计了一种以Freescale单片机和ADI电池管理芯片(MC9S12与LTC6811)为核心的BMS。该BMS可实现对多路电池电压、温度采集及均衡控制;同时,可根据采样数据利用改进型安-时积分法进行电池荷电状态(SOC)计算。根据现场实际数据,将电池电压、温度的采样值与实际值比较,同时对电池均衡效果及SOC进行分析。试验结果证明,设计的BMS具有较高的采样精度和采样速度,均衡控制合理,SOC估算值误差较小,验证了所设计BMS的实用性。