电动汽车电池管理系统的建立及SOC准确估计

以TMS320LF2407型数字信号处理器(DSP)为主控芯片,完成了电动汽车电池管理系统(BMS)平台的搭建。实现了参数检测、信息显示、安全报警和电池荷电状态(SOC)估计等主要功能。然后通过Matlab仿真研究了不同算法与不同模型的估计精度。最后通过搭建的试验平台,对磷酸铁锂电池组进行模拟工况试验,得到电池SOC估算值误差在5%以内。验证了试验平台与软件系统的可靠性、电池模型与估计算法的正确性。     

基于EKF滤波算法的电动汽车电池SOC精准估算

电动汽车电池荷电状态(SOC)的快速精确估算是电池管理系统的核心技术。针对电动汽车电池的工作特性,在Thevenin电池模型的基础上,利用扩展卡尔曼滤波(EKF)算法,在不同温度、放电倍率及初始误差的情况下实现了对电动汽车电池SOC的精准估算,并与复合电池模型进行了对比仿真实验。实验表明,采用基于Thevenin电池模型的EKF滤波算法可以快速完成电池SOC的精准估算,误差在5%以内。     

电动汽车电池管理系统研究进展

通过对电动汽车电池管理系统典型结构的分析,总结了电动汽车电池管理系统数据采集、荷电状态估计、均衡管理、热管理和数据通讯等模块的功能和实现方法;评述了美国、德国、日本、韩国、加拿大及我国电动汽车电池管理系统的研究现状,在分析各典型电池管理性能特点的基础上,提出了电动汽车电池管理系统的研究发展方向。     

电动汽车用铅酸电池管理系统SOC算法研究

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。     

电动汽车电池管理系统研究现状及发展趋势

电池管理系统(BMS)监测动力电池的各种状态,具有荷电状态(SOC)估计、电池均衡、热管理和CAN通讯等功能,是电动汽车关键零部件之一.在此回顾了BMS的国内外研究现状并且论述了其总体结构、动力电池SOC估计方法、电池均衡技术和电池热管理技术.最后,展望了BMS未来发展趋势.     

电动汽车锂离子电池SOC检测技术的研究

安全、高效的电池是电动汽车的动力源。锂离子电池的荷电状态(SOC)是电动汽车能量管理的重要依据,对电动汽车的安全运行有着直接的影响。以磷酸铁锂电池为研究对象,充分考虑电池温度、充放电次数、电池老化等因素的影响,利用BP神经网络构建出锂离子电池SOC预测模型,并经仿真证明了这种方法的精确度和可靠性。     

电动汽车能量管理系统的功能及研究进展

通过对电动汽车能量管理系统典型结构的分析,简述了电动汽车能量管理系统的功能。由于电池模块的管理既是能量管理系统的核心部分,也是电动汽车电池的安全保障,因而系统地总结了电池能量管理系统的功能;介绍了国内外能量管理系统的研究现状,在分析能量管理性能的基础上,提出了电动汽车能量管理系统的研究发展方向。     

电动汽车电池管理系统简介与研究

纯电动汽车发展的关键是锂电池组的管理与应用技术的开发.文章对纯电动汽车的电池管理系统进行了研 究,完成了主、分控制器的模块化设计和硬件系统设计。     

新型电动汽车动力电池SOC估计方法研究

利用支持向量回归算法(ε-SVR)非线性逼近能力强、收敛速度快、具有全局最优解的特性,对电动汽车动力电池的荷电状态(State of Charge,简称SOC)估计方法进行了研究,确立了动力电池的电压、电流、输入输出功率与SOC之间的非线性关系.通过对比BP神经网络算法进行了仿真实验.结果表明,利用ε-SVR算法能更准确地逼近实际SOC值,获得更好的估计效果.     

基于模糊卡尔曼滤波的HEV氢镍电池SOC估计

混合动力汽车(HEV)电池管理系统工作于恶劣工况环境中,采用常规卡尔曼滤波算法估计电池荷电状态(SOC)时,量测噪声统计特性随实际工况条件剧烈变化,会导致估测不准,甚至滤波发散.采用基于模糊自适应卡尔曼滤波的氢镍动力电池SOC估算算法,通过监视理论残差与实际残差的比值,对量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高估算精度.仿真结果表明,这种算法对随机的量测噪声具有较强的抑制能力.     

基于多模型自适应卡尔曼滤波器的电动汽车电池荷电状态估计

基于电池的戴维宁(Thevenin)模型,设计了多模型自适应卡尔曼滤波器,并将多模型自适应卡尔曼滤波器应用于电动汽车电池荷电状态(state-of-charge,SOC)估计。由于老化电池是未知系统,利用传统的单一模型卡尔曼滤波器估计老化电池SOC时,因模型不准确而使估计误差增大。与单一模型滤波估计相比,多模型滤波估计融合了电池的各种老化信息,适合于未知系统的状态估计,从而提高了SOC的估计精度,并通过实验证明了上述结论的正确性。利用多模型自适应卡尔曼滤波器估计电池SOC,老化电池的模型与权值最大的单一模型较接近,根据单一模型权值可以近似估计出老化电池的健康状态(state of health,SOH),并通过电池容量测量,证明了SOH估计的正确性。     

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。     

基于ATmega8的电动车蓄电池智能管理系统设计

以ATmega8单片机为核心,设计了一种分布式、模块化、通过LIN总线通讯,具有智能化充电的电动车蓄电池管理系统,实现了对多组蓄电池的有效监测和管理,其智能化充电的思路值得以后继续深入研究和推广。     

轻型电动车电池管理系统设计

文中介绍基于专用电池检测芯片DS2438的实用轻型电动车电池管理系统，用于电动自行车蓄电池组的检测管理。介绍系统的方案设计、性能和特点，以及将专用芯片DS2438用于电动车蓄电池组检测管理系统需要解决的干扰屏蔽的技术问题。     

电动汽车用铅酸善电池智能管理系统

绍了铅酸蓄电池的特点且设计出一套完整的基于P87C591单片机的铅酸蓄电池数字智能管理系统,包括铅酸蓄电池电压、充放电电流、内阻、剩余容量及电池温度等重要参数的检测,解决了传统充电方式中电池过充放电、寿命低等缺点,具有很好的应用前景,模块实现了对动力电池的监控和保护。具有接线简单、效率高、易于与整车控制网络相兼容等优势。     

基于卡尔曼滤波的动力电池荷电状态的估算

动力电池荷电状态(SOC)是电动汽车行驶及充电过程中重要的信息之一,能够为驾驶者提供电池剩余电量以及续驶里程等信息。完成了基于动力电池Thevenin模型的扩展卡尔曼滤波法SOC估算算法的研究与设计。通过电池的HPPC实验,识别电池模型参数,并在MATLAB中进行仿真验证,介绍了实验结果。     

基于DSP的电动汽车驱动控制系统的实现

基于直接转矩控制的方法,研究了电动汽车用永磁同步电机(PMSM)直接转矩控制(DTC)系统中电压空间矢量选择原则。提出了控制系统中引入零电压矢量的方法,同时针对磁链处于边界区引起的起动困难的问题对开关表进行了修正。开发了基于数字信号处理器(DSP)的电动汽车用PMSM的DTC系统,并进行了低速下的试验研究,取得了较好的控制效果。     

基于DSP的电动汽车驱动控制系统的实现

基于直接转矩控制的方法，研究了电动汽车用永磁同步电机（PMSM）直接转矩控制（DTC）系统中电压空间矢量选择原则。提出了控制系统中引入零电压矢量的方法，同时针对磁链处于边界区引起的起动困难的问题对开关表进行了修正。开发了基于数字信号处理器（DSP）的电动汽车用PMSM的DTC系统，并进行了低速下的试验研究，取得了较好的控制效果。     

基于TargetLink的电池SOC估算软件开发方法

以电池管理系统中的电池荷电状态估算策略为研究对象,采用扩展卡尔曼滤波算法,在Matlab SimuLink/Stateflow中搭建了仿真模型,并验证了模型的正确性;使用dSPACE公司的TargetLink自动代码生成工具,完成了模型转换、在环仿真、代码生成。生成的代码下载到CPU为Freescale的EVB9S12XEP100系列芯片的电路板调试。测试结果与理论结果的误差在可接受范围内,生成的代码尺寸和堆栈使用情况满足芯片的处理能力要求,软件能够稳定运行。