电动汽车动力电池SOC估算方法综述

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.     

电动汽车动力电池模型及SOC预测方法

简要介绍了铅酸蓄电池的电化学过程,提出了一种考虑温度影响的动态R-Q电池模型,并在此基础上建立了一种新的基于状态空间的SOC递推算法。对电池的两种放电过程仿真计算表明,该算法精确可靠,计算速度快,易于实现,适合电动汽车上使用。基于状态空间的SOC预测方法通过电池稳态开路电压来计算SOC,在电池充放电循环过程中没有误差累积,同样可用于其它类型的动力电池。     

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。     

电动汽车动力电池SOC预测技术研究

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     

锂离子电池荷电贮存性能的研究

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.     

车用锂离子动力电池SOC的预测研究

为了估算锂离子动力电池的荷电状态(SOC),在对影响SOC值的因素及传统SOC估算方法分析的基础上,依据实际情况,采用了一种新思路,即将电池的工作状况分为静止、恢复、充放电三种状态,分别对三种状态进行SOC估算。在估算过程中分散并消除影响SOC值的因素,特别在充放电状态下,使用了以库仑效率因子为基础的电量的动态恢复量对安时计量法进行改进,解决了安时计量法会产生累积误差的问题。经实验表明,此方法提高了电池SOC计算的精度,达到了动力汽车的应用要求。     

锂离子动力电池寿命预测的研究进展

近些年来,锂离子电池作为一种新型能源,其寿命研究成为了各个领域关注的重点问题.对锂离子电池寿命的影响因素、电池健康状态(SOH)估计进行了研究,总结了国内外近几年来电池寿命预测的方法,并对其中基于性能的研究方法(粒子滤波算法、基于粒子滤波算法的改进算法和多种模型相结合的融合算法等)进行了分析和比较,以此为基础,找出了电...     

锂离子电池状态估算与寿命预测综述

随着锂离子电池的广泛应用,其健康管理和寿命评估成为很多领域的挑战和热点问题。准确的电池状态估算与剩余使用寿命预测能让用户及时获取电池信息并更新失效电池,保障整个电池组的安全高效运行。为此,针对锂离子电池健康管理和寿命预测的研究现状进行分析,重点归纳和总结了锂离子电池剩余使用寿命预测的方法和应用现状,涵盖锂离子电池荷电状态与健康状态估算和剩余使用寿命预测2部分核心内容,总结其优势与局限性,并分析了未来的发展趋势和研究挑战。     

基于自适应CKF的锂离子电池SOC估算

扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)算法估算电池荷电状态(SOC)依赖等效模型参数的准确性,估算精度低。容积卡尔曼滤波(CKF)算法的滤波性能良好。利用自适应CKF(ACKF)算法估算电池SOC,自适应调节过程噪声协方差和量测噪声协方差,提高估算SOC的精度。对锂离子电池建立二阶RC等效电路模型,在不同工况下进行充放电,用卡尔曼滤波算法在线辨识等效模型的参数,ACKF算法实时估算SOC。ACKF算法估算SOC的鲁棒性较强,精度在1.5%以内。     

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%。     

电动汽车用锂离子蓄电池的研究

研制了55Ah圆柱型动力锂离子蓄电池以及336V/55Ah动力模块和相应的电池管理系统。性能测试表明,0.5C充放电,单体电池容量≥55Ah,容量特性均匀一致;具备良好的倍率放电特性,能够适应电动车启动、加速、爬坡等运行要求;循环性能良好,已完成200次深充放循环性能仍平稳;耐滥用能力好;84只单体构成的电池组,比能量达106Wh/kg;安全性好。充放电管理系统采用阶段恒电流充电和过流保护,具备均衡充电能力和智能调节放电终止电压和剩余容量显示等功能。装车试验表明,该电池系统有望投入电动车的实际应用。     

混合动力汽车用锂离子电池荷电状态的估计

提出在行车过程中通过引入单体电池电压电流校正的修正手段,克服电池组系统现有的基础数据不足的问题。通过整车试验数据对比发现,校正参数修正后荷电状态(SOC)精度优于10%,符合行业标准。     

电动车用电池充电状态和功率强度估计

讨论了电动车 (EV)和混合电动车 (HEV )用电池电量模型和功率模型的建立 ,提出了一种新的电池剩余电量(SOC)和电池功率强度 (Powercapability)的综合估计方法。从电化学角度建立了一个电池参考模型 ,以安时计量为主并综合考虑影响电池SOC的多种因素进行SOC估计 ,功率强度估计主要基于电池等效内阻的估算。SOC估计和功率强度估计相结合 ,实现了在功率强度估计的同时对SOC估计提供自调整机制。该综合估计方法已经在我们自主开发的实验平台上实现 ,并经实践证明是可行的     

电动车用MH-Ni电池SOC模型的研究

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%。     

电动汽车用LiFePO4/C锂离子蓄电池性能

对最新开发的150AhLiFePO4/C锂离子蓄电池进行了试验测试。分析和评价了其电压特性、容量特性、直流内阻特性、功率特性和温度特性,同时与其他动力电池的性能进行了比较。研究表明,LiFePO4/C锂离子蓄电池在安全性、循环寿命、成本和对环境友好等方面的特点适于电动汽车应用,但综合性能优势尚不明显,尤其是低温性能需要改善,比能量和比功率需要进一步提高。     

混合动力汽车电池系统SoC使用范围的设计

锂离子电池作为电动汽车的主要储能动力源,是影响电动汽车动力性和经济性的主要因素。锂离子动力电池系统的SoC使用范围的设计是动力电池系统设计的难点,目前尚无统一认识。为了更好地利用电池,本文从功率需求、容量需求、效率、寿命等角度对锂离子电池系统SoC使用范围进行了综合分析。     

锂离子电池的长期荷电贮存性能

将锂离子电池在常温下以不同的荷电态(SOC)长期(5-10 a)贮存,对贮存前后的电池性能进行测试.长期贮存后,电池的内阻增加,10 a贮存后的内阻平均增加率高达79.95%,聚合物锂离子电池的内阻增加稍低.锂离子电池长期贮存后,容量恢复性能较好,10 a贮存容量平均恢复率可迭88%.长期贮存对电池的容量、平台和循环寿...     

动力锂电池的寿命研究综述

对国内外动力锂电池的寿命研究进行了综述。从动力电池的寿命定义入手,分析了温度、充放电电流、充放电截止电压等因素对电池寿命的影响。介绍了动力电池的寿命测试方法,包括循环寿命测试和日历寿命测试、电动汽车寿命模型和电动汽车健康状态(state of health,SOH)的估计。提出了动力锂电池寿命研究有待解决的问题。     

动力锂离子电池管理系统的研究进展

锂离子电池是发展电动汽车的最具潜力的能源载体之一,从锂离子电池应用于电动汽车的研究现状出发,阐述了锂离子电池管理系统对于锂离子电池组的重要性以及研究的必要性。介绍了动力锂离子电池管理系统的发展现状,包括电池组外部参数的在线检测、SOC估计以及电池组的均衡,并对动力锂离子电池管理系统未来的发展方向做出了展望。