基于EKF算法的铅酸蓄电池SOC在线检测装置设计

为在线检测铅酸蓄电池的荷电状态,基于6-TKA-180型铅酸蓄电池建立其等效电路模型并进行参数辨识,在此基础上,应用扩展卡尔曼滤波算法进行了铅酸蓄电池荷电状态在线检测装置的设计,并通过实验验证了基于扩展卡尔曼滤波算法的铅酸蓄电池荷电状态在线检测的可靠性与准确性。     

铅酸蓄电池充电初始时刻欧姆内阻测量方法研究

及时、准确地掌握铅酸蓄电池的性能参数,对于铅酸蓄电池的维护保养具有重要作用。蓄电池内阻是反映蓄电池性能状态的重要参数,但无法根据蓄电池全内阻对蓄电池的荷电状态和寿命进行可靠的估测。曾有文献通过实验证明,铅酸蓄电池欧姆内阻与蓄电池荷电状态的对数之间存在线性关系。基于此,本文对铅酸蓄电池在充电初始时刻欧姆内阻进行检测,从而为蓄电池的荷电状态和性能状态的实时监测提供可靠的数据支撑。     

基于RBFNN的船用铅酸蓄电池SOC预测方法研究

目前预测铅酸蓄电池荷电状态(SOC)的算法很多,这些算法各有特点。根据船用铅酸蓄电池的特点,本文比较分析了这些方法的预测效果,提出了利用径向基神经网络(RBFNN)算法预测船用铅酸蓄电池SOC的方法。并利用某型船用铅酸蓄电池的实验数据,对其SOC进行了预测。结果表明:利用该算法预测船用铅酸蓄电池的SOC,精度高,操作简便。     

基于粒子群的模糊神经网络铅酸蓄电池SOC估计

研究估计变电站阀控式铅酸蓄电池荷电状态(SOC)的方法。采用模糊神经网络对蓄电池的荷电状态预测建立模型,然后利用粒子群算法对网络中的连接权值、隶属度函数进行优化,用蓄电池在不同倍率下的充放电实验数据训练网络,根据训练好的网络模型对蓄电池SOC进行了预测,最后将预测结果与传统模糊神经网络预测结果进行对比。结果表明:该方案达到了对蓄电池荷电状态准确预测的目的,且预测误差小,具有良好的实用性。     

基于模糊控制的铅酸蓄电池SOC预测方法研究

研究铅酸蓄电池荷电状态(SOC)的预测方法,是合理地对铅酸蓄电池进行充电和放电的关键。采用一种智能控制方法,即模糊控制法对铅酸蓄电池的SOC进行预测及Matlab仿真。根据同一情况下的实验数据对模糊预测模型的参数进行了调整。验证了模糊预测模型的合理性和精确性。     

基于改进型LMBP神经网络方法对蓄电池荷电状态的预测

针对变电站中因过度充放电而导致阀控式铅酸蓄电池寿命短且利用率低的问题,通过改进型LMBP神经网络模型对铅酸蓄电池的荷电状态(SOC)进行预测,能够加快计算速度与精度,有效提升蓄电池的寿命与使用率。在Matlab环境下对铅酸蓄电池放电过程进行仿真研究的结果验证了,改进型LMBP型神经网络算法能有效提高SOC的估算精度,延长电池寿命。     

基于聚类算法的蓄电池SOC模糊预测

为了实现对蓄电池的准确在线估算,研究了利用蓄电池电动势、内阻与荷电状态(state of charge,SOC)之间的关系,设计了基于模糊C-均值聚类的模糊控制器。该控制器将模糊C-均值聚类方法与模糊控制系统有机结合,能有效地进行数据划分和构建模糊控制规则。实验表明,该方法将SOC预估误差控制在3%之内,很好地反映了铅酸蓄电池的能量状态。与现有的模糊预测控制器相比,准确度更高,具有一定的实用性。     

基于EKF算法的铅酸蓄电池SOC在线估计

针对快速充电设备需要快速、准确检测蓄电池荷电状态(SOC)的应用需求,在分析传统SOC估计方法不足的基础上,采用了扩展卡尔曼滤波法进行铅酸蓄电池SOC的估计。通过对铅酸蓄电池充放电过程的分析,基于改进的Thevenin模型,建立了7-HK-182型铅酸蓄电池的等效电路模型。通过Matlab仿真,对比安时积分法估计SOC数据,验证了扩展卡尔曼滤波法能够实时、准确估计蓄电池SOC的变化。     

多用户实时控制快速充电技术研究

为满足多用户充电的需求,设计了多支路铅酸蓄电池充电主电路,重点介绍了一种新的充电电流分配的方法,该方法能够根据在线测得的荷电状态调节充电电流.荷电状态的测量采用了蓄电池电动势-内阻模型.从理论上分析该控制算法符合马斯曲线定律,能够实现快速无损地充电.     

太阳能风能发电系统中铅酸蓄电池建模与仿真

介绍了一种基于铅酸蓄电池的三阶动态模型,并对其进行了建模仿真。该方法充分考虑到铅酸蓄电池充放电特有的非线性、复杂性和对温度敏感性等特点。在仿真的过程中,阐述了蓄电池的荷电状态、放电深度和充放电电流电压,它们关系到太阳能、风能互补发电系统中能量的流动。从仿真的结果来看,铅酸蓄电池的三阶动态模型是能够满足以上要求的。     

太阳能LED照明系统的设计

介绍了一种基于铅酸蓄电池均充模式的太阳能LED照明系统。太阳能电池的输出电压由DC/DC转换模块进行稳压;控制器对蓄电池进行荷电状态(SOC)检测和充电方式选择,并具有过放电、过充电保护;采用LED照明,发光效率高、功耗低。     

基于高阶非线性模型的铅酸蓄电池SOC估计

铅酸蓄电池在电动汽车和蓄电池储能系统等领域有着广泛的应用,提高铅酸蓄电池荷电状态(SOC)估算的精度具有重要的意义。本文针对目前SOC估算方法中电池等效模型复杂、相关参数难以确定等问题,提出了一种新型高阶非线性拟合开路电压的SOC估计方法,通过拟合恒流充放电工况下的开路电压(OCV)–SOC曲线,建立适用于变电流充放电工况下的铅酸蓄电池模型,并结合扩展卡尔曼滤波算法(EKF)对电池的SOC进行估算。仿真和实验结果表明该方法能够实现铅酸蓄电池的高精度SOC估算。     

太阳能LED照明系统的设计

介绍了一种基于铅酸蓄电池均充模式的太阻能LED照明系统。太阳能电池的输出电压由DC/DC转换模块进行稳压；控制器对蓄电池进行荷电状态（SOC）检测和充电方式选择，并具有过放电、过充电保护；采用LED照明、发光效率高、功耗低。     

基于Simulink-s函数的铅酸蓄电池动态模型仿真

介绍了一种基于铅酸蓄电池的三阶动态模型,并对其采用Simulink的S函数进行了仿真研究。考虑到铅酸蓄电池充放电特有的非线性及温度特性,建立了蓄电池的荷电状态、放电深度与充放电电流电压之间的动态关系。Simulink中可用S-Function方便灵活地构建各种自定义仿真模型,使用Simulink中的S-Function builder模块快速构建了蓄电池动态模型。仿真结果表明,铅酸蓄电池的三阶动态模型完全能够满足应用需求。     

蓄电池剩余容量预测技术现状及发展

阀控式密封铅酸(VRLA)蓄电池被广泛应用于邮电、电力、交通、军事等诸多领域,在整个系统中发挥着举足轻重的作用。因此,对蓄电池的运行状态,特别是剩余容量(荷电状态)进行在线准确监测(预测)以及有效的管理变得尤为重要。本文以VRLA蓄电池为对象,对国内外蓄电池剩余容量预测技术研究进行了详细的介绍和总结。     

基于放电试验法的机载蓄电池SOC估计方法研究

针对机载蓄电池的安全问题,提出了一种机载蓄电池SOC估计方法,该方法基于放电试验法对其荷电状态进行估计,通过评估结果对其进行再利用或回收决策。通过对蓄电池进行循环充放电维护,最终实现对机载蓄电池荷电状态的有效判决。应用于地面维护设备的长时间稳定运行效果表明,该方法稳定可靠,能够对新启封或已多次使用的机载蓄电池进行荷电状态有效判断,并作为健康状态判断的重要依据,达到安全运行和环境保护的目标。     

铅酸蓄电池荷电状态的判定方法解析

铅酸蓄电池已经有150年多年的历史,最初是主要作为固定式电源和起动式电源使用,目前在电动自行车、太阳能-风能一体化发电站等领域也获得应用.在后一种情况下,铅酸蓄电池荷电状态的确定十分重要.目前已提出十几种方法用于确定荷电状态,本文详尽地综述了这些方法,比较了每种方法的优、缺点.     

基于BP神经网络的SOC估计及铅酸蓄电池特性

蓄电池特性是影响电动汽车充电时间和续驶里程的主要因素,针对应用较普遍的铅酸蓄电池展开研究具有重要意义。基于阻容等效电路建立了铅酸蓄电池充放电模型,通过不同倍率的充放电实验获得了模型参数与电池荷电状态(SOC)的关系式。采用BP型神经网络模型对铅酸蓄电池SOC进行估计,在Matlab环境下基于SOC神经网络模型对铅酸蓄电池充放电过程进行仿真研究。仿真结果表明铅酸蓄电池模型可以真实地模拟充放电特性,仿真结果与实验结果的平均误差为2.5%。     

超级蓄电池技术的研究进展

超级蓄电池是由铅酸电池和超级电容器通过创新组合的内并联而形成的新型储能装置,它具有铅酸电池高能量和超级电容器高功率的优点,在部分荷电态大功率充放电状态具有较高的循环寿命,适合高倍率循环和瞬间脉冲放电等工作状态.介绍了超级蓄电池的基本概念及原理,并对超级蓄电池技术的发展历程和现状进行了总结.     

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