共查询到18条相似文献,搜索用时 78 毫秒
1.
2.
电动汽车动力电池SOC预测技术研究 总被引:23,自引:7,他引:23
电动汽车的电池管理系统需要一个精确和可靠的电池荷电状态 (SOC)预测器。由于铅酸蓄电池真实的SOC受许多因素如电池温度、充放电次数、电池老化等因素的影响 ,传统的SOC预测技术很难达到理想的效果。描述了一种闭环模糊推理方法在铅酸蓄电池SOC预测技术方面的应用。其中 ,闭环反馈环节采用了一个经验公式来调节铅酸蓄电池SOC的预测值。重新定义了一种容易从放电曲线中获得的电池内阻 ,利用这个电池内阻值可以很容易地把不同工况下的电池端电压等效到一个固定工况下的端电压 ,从而可以简化模糊规则的设计。经仿真证明这种方法能够获得蓄电池精确和可靠的SOC预测值 相似文献
3.
电池荷电状态(state of charge,SOC)是电池管理系统(Battery Management System,BMS)的重要参数,准确估算电池SOC具有重要意义。首先分析了一般SOC定义存在的问题,提出以电能代替电量定义SOC更能准确描述在各种工况下动力电池的荷电容量;其次将已提出的估算方法分为开路电压法、安时积分法、高级估算方法和复合方法等四类,并对各自优缺点和适应工况进行分析。提出充分利用数据挖掘和数据融合技术将BMS记录的历史数据用于SOC估算,有助于提高计算精度和适用范围。 相似文献
4.
5.
建立了一种基于反向传播(BP)神经网络算法的阀控密封式铅酸蓄电池(VRLA)的剩余容量(SOC)预测模型,利用MATLAB仿真对三层BP网络模型的性能进行了校验,采用由TMS320F28335为核心组成的硬件控制电路对VRLA蓄电池组进行了实时数据采集,依据预测出的SOC值和控制电路,实现对蓄电池组的放电工作状态的智能监测与控制,保证了系统的经济、高效、安全可靠运行。监测控制系统具有蓄电池SOC预测,端电压、充放电电流等参数实时监控,数据传输及状态显示等功能,具有较高的实际应用价值。 相似文献
6.
7.
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
8.
独立光伏系统用蓄电池充放电策略的设计 总被引:4,自引:0,他引:4
在独立光伏系统中,蓄电池充/放电控制效果的好坏在很大程度上会影响光伏产业的发展。本文以目前独立光伏系统主流使用的阀控铅酸蓄电池(VRLA)为研究对象,在考虑系统的性能和成本的基础上,对蓄电池的充/放电和维护等进行了研究。在充电阶段,采用分段设定参考电压的方式实现对电池状态的判断,共分了6个阶段,存在着最大功率点跟踪(MPPT)、恒流充电、恒压充电、浮充和停止充电等5种状态。实验表明该充电策略能在充分利用太阳能的同时提高蓄电池的荷电状态。 相似文献
9.
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%。 相似文献
10.
11.
基于阀控式密闭铅酸蓄电池,设计了一套纯电动汽车电池管理系统。依据Randles二阶等效电池模型,应用扩展卡尔曼滤波算法,对电池荷电状态(SOC)进行估计,并将估算结果与传统的安时积分和开路电压结合算法进行比较分析,经实验与仿真验证,此法对预测SOC值有较高的精确度和可靠性。 相似文献
12.
13.
14.
15.
16.
锂离子电池荷电贮存性能的研究 总被引:3,自引:0,他引:3
将锂离子电池在不同荷电状态(SOC)下贮存,对贮存前后的电池性能进行了测试;对在不同SOC下贮存对电池性能的影响进行了研究,结果发现:电池进行长期贮存时,电池电压在3.80 V左右,电池的综合性能最好;当电池电压超过3.90 V时,对电池的容量、内阻、平台和循环寿命都会产生不利影响;而电池在完全放电态或过低SOC下贮存,电池的循环性能略有下降,电池不能立即使用,且容易出现过放电. 相似文献
17.
18.
锂电池荷电状态(SOC)是锂电池管理系统的重要参数,锂电池SOC实时预测关系到电池充放电控制和电动汽车的优化管理,直接影响锂电池的使用寿命。锂电池的SOC受放电电流、内部温度、自放电、老化等因素的影响,使得锂电池的实际容量难以确定。综述了目前锂电池SOC的各种预测方法,并进行比较,指出了各类方法存在的问题,给出了未来锂电池SOC预测方法的发展趋势。 相似文献