共查询到18条相似文献,搜索用时 93 毫秒
1.
2.
3.
电池SOC估算是电动汽车电池管理系统中重要的一部分,由于电池SOC的估算受很多因素综合影响(如充放电倍率、环境温度、循环寿命、自放电等),所以很难保证SOC在实际应用中的估算精度.通过对SOC估算方法的综述,分析了各种方法的实现原理、优缺点以及目前应用情况等.研究表明,在实际的应用中,应依靠实验数据、提高硬件技术保证数据测量精度、引入电池模型、综合各种算法,扬长补短,从而提高SOC估算的精度. 相似文献
4.
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
5.
针对传统的荷电状态(SOC)估算方法估算动力电池荷电状态精度不高,对混合动力系统中动力控制器的正常运作有很大影响,使得节能效果大大降低,从四线法和能量守恒定律对电池内阻测量出发,提出了一种改进的电池SOC估算方法,该估算方法不但能够估算电池恒定大电流和小电流放电,同时也非常适合变电流放电工况,在变电流放电工况下,新的电池SOC估算方法的估计值误差明显小于5%,因此具有较高的估计值精度。 相似文献
6.
7.
电动汽车用铅酸电池管理系统SOC算法研究 总被引:2,自引:0,他引:2
SOC数据是电动车运行过程中一个重要的参数,它是防止电动车蓄电池过充和过放的主要依据。通过安时(Ah)积分法和开路电压法相结合的方法来估算电池荷电状态(SOC)。利用ADVISOR整车仿真软件,在MATLAB/Simulink仿真平台上搭建了SOC仿真模型验证估算方法的精确性。在电池管理系统硬件设计中,系统采用了分散采集集中处理的设计方案,采用MC9S12DP128MPV控制芯片进行信息处理计算,得出电池荷电状态和单体电池工作状态、电流、温度等信息,并在软件中实现了算法的嵌入式应用。 相似文献
8.
9.
不同SOC下大容量氢镍电池的交流阻抗特性 总被引:1,自引:0,他引:1
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
11.
通过对电动车用MH-Ni电池的开路电压、充放电电流、温度、自放电等因素的研究,建立了一种适用于MH-Ni电池的荷电量状态的数学模型。在初始状态,采用开路电压以及系统存储值,来估算初始电量;在充放电过程中采用电流积分法,并结合各种修正系数来估算过程电量。该方法成功地应用于纯电动车和混合电动车镍氢电池的管理系统中,电量估算误差小于7%。 相似文献
12.
电动汽车用MH-Ni电池的研制 总被引:2,自引:2,他引:2
报道了电动汽车用MH Ni电池的研制。通过优化设计单体及组合电池结构 ,优选正负极原材料及配方 ,提高了电池质量比能量 ,使之达到 63Wh/kg ;在改进正极配方的基础上优选电池化成制度 ,采用闭口化成的方法 ,提高电池倍率放电性能 ;3C率放电达到额定容量的 80 .95 % ,同时提高了电池的高温充电效率 ;电池在 45℃下以 0 .2C充电 ,标准放电达到额定容量的 80 % ;另外 ,通过优选电液、隔膜及对生产工艺的改进 ,提高了电池的高温性能 ,延长了电池寿命。将电池装车进行实效运行实验 ,一次充电行驶里程为 2 5 7km。 相似文献
13.
修正RC模型混合动力车用氢镍蓄电池SOC预测 总被引:1,自引:0,他引:1
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。 相似文献
14.
基于神经网络的磷酸铁锂电池SOC预测研究 总被引:1,自引:0,他引:1
利用神经网络进行了电动汽车用的磷酸铁锂(LiFePO4)电池荷电状态(state of charge,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)算法建立了磷酸铁锂电池的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
15.
16.
17.
18.
电动汽车一般采用蓄电池组作为动力源,蓄电池组的管理问题是电动汽车发展的瓶颈。电池管理系统不可避免地存在误差问题,设计具有理想性能的电池管理系统是一件具有挑战性和吸引力的工作。分析了蓄电池的等效电路模型、荷电状态(SOC)估算方法以及电池管理系统存在的一些问题。 相似文献