电动汽车电池荷电状态估算方法研究

随着全球对能源问题的关注与研究,未来电动汽车取代汽油车已成为必然,电动汽车也得到了越来越多的关注,各国从国家战略层面推出了电动汽车实施计划.但是当前电动汽车的实用过程中,存在两个主要问题:一是电池的续航问题,包括电池荷电状态的实时监控;二是充电基础装置的普及问题.文中针对电动汽车电池管理系统存在的问题,分析了电池荷电状...     

电动汽车锂离子电池荷电状态估算方法研究综述

锂离子电池具有循环寿命长、能量密度高、自放电率低、环境污染小等优点,在电动汽车产业中得到广泛应用.电动汽车中的电池管理系统(BMS)可以维护和监测电池状态,确保电池的安全性和可靠性.电池荷电状态(SoC)表示电池中剩余的电量,是BMS的重要参数之一,实时精确的SoC估算可以延长电池寿命,保障行驶安全.然而锂离子电池是一...     

电动汽车锂离子电池荷电状态估算方法研究综述

锂离子电池具有循环寿命长、能量密度高、自放电率低、环境污染小等优点,在电动汽车产业中得到广泛应用.电动汽车中的电池管理系统(BMS)可以维护和监测电池状态,确保电池的安全性和可靠性.电池荷电状态(SoC)表示电池中剩余的电量,是BMS的重要参数之一,实时精确的SoC估算可以延长电池寿命,保障行驶安全.然而锂离子电池是一个高度复杂的非线性时变系统,电池寿命、环境温度、电池自放电等许多未知因素均会对估算精度造成影响,使估算难度大大增加.为了满足不同条件下对锂离子电池SoC精确、快速、实时估算的要求,需要对SoC估计算法进行进一步研究与改进.近年来已有相关文献对锂离子电池SoC的估算方法进行了综述,然而已有相关综述对估算方法的总结不够全面且缺少流程表达.该文首先介绍了锂离子电池的工作原理,阐述了影响电池SoC估算的因素;其次,通过总结最新的研究成果对电池SoC估算方法进行了归纳分析,根据各类算法的不同特性将其分为查表法、安时积分法、基于模型的方法、数据驱动的方法以及混合方法五大类,说明了各类估算方法的主要特征并对模型或算法的优缺点进行综合的比较和讨论;最后,对电动汽车中锂离子电池SoC估算方法的未来发展方向做出展望.     

一种基于分数阶的电池荷电状态估计方法

本文首先简单介绍了分数阶微分的相关知识,以及分数阶系统的优点,然后在整数阶模型的基础上,将整数阶中的元件用分数阶的相关元件替代,建立出分数阶模型,最后使用改进的双扩展卡尔曼滤波和双卡尔曼滤波这两种算法来对电池SOC进行估算,利用仿真软件对两种算法的结果做对比,得到一种估算精确度比较高的算法。     

基于Informer的电池荷电状态估算及其稀疏优化方法

准确估计电池荷电状态（State Of Charge,SOC）是延长电动汽车电池使用寿命,确保电动汽车行驶安全的重要基础.传统的深度学习估计方法存在并行化计算效率不高、训练时间长的问题.为此,利用基于自注意力机制的Informer模型来估计电池SOC.其降低了传统自注意力机制的时间复杂度、提高了硬件使用率、降低了训练时长,与其他深度学习方法相比估计更准确.然而Informer模型仍然存在体量大及参数冗余的问题,故提出稀疏优化方法 .利用基于彩票假设的幅值迭代剪枝方法对Informer进行稀疏化处理,突出主导注意力特征,实现了在降低参数冗余的同时提升模型估计精度.在室温下,提出的稀疏化Informer模型估计电池SOC的平均绝对误差和均方根误差分别达到0.285 8%和0.383 0%,相比于Informer模型在平均绝对误差指标上估计精度提升了25%.并验证了其具备估计不同类型锂电池SOC的泛化能力.与循环神经网络、卷积神经网络这类传统的深度学习模型相比,本模型进行电池SOC估计时训练速度更快,估计准确性和稳定性更高.     

串联锂离子电池组荷电状态评估方法对比

分析了多芯串联锂离子电池组中各组成电芯初始荷电状态差异引起的安全问题,研究了充电电压、放电电压和开路电压与荷电状态对应关系,并进行了试验验证,定量分析和试验验证了电芯间的初始开路电压差异、初始放电电压差异、初始荷电状态差异三者与锂离子电池组安全性的对应关系,提出了初始荷电状态差异的考核方法。     

基于SOC的锂动力电池多层双向自均衡方法

电池均衡是优化动力电池性能,提高使用寿命,增强动态工作过程安全性的一项关键技术.针对锂动力电池单体数量多,测量与控制数据量庞大等问题,本文将锂动力电池分为区域模块和全局模块两层,进而提出一种融合区域均衡与全局均衡的多层次协调均衡方法.通过开关电容区域均衡电路与反激式变压器全局均衡电路控制充放电过程的开关通断,实现双向均衡目标;在此基础上,考虑不同电池荷电状态(State of Charge,SOC)分布情况下锂电池的受电能力差异,以多模式充电策略为均衡前提条件,使用SOC关键参数作为均衡判据,实现系统充电与非充电过程的主动双向自均衡.实验结果表明,所提出的双向自均衡方法能实现高精度的均衡目标,且能耗较低.     

光储荷直流微电网协调荷电状态功率分配策略研究

针对光储荷直流微电网储能装置中多个蓄电池荷电状态(State of Charge,SOC)不一致的问题,提出了协调SOC功率分配策略,通过对储能装置中处于不同SOC值的蓄电池分配不同功率来达到系统在持续运行中各蓄电池SOC值均衡的目的.最后通过MATLAB/Simulink仿真验证了所提功率分配策略的有效性.     

基于CNN-LSTM锂离子电池荷电状态的预测

在电池管理系统中,荷电状态（SOC）作为锂离子电池的关键参数,其估算的准确性对电池管理系统尤为重要。提出了基于卷积神经网络—长短期记忆神经网络（CNN-LSTM）网络的数据驱动方法,选取电池的电压、电流、温度作为输入,SOC作为输出。通过CNN-LSTM网络提取输入与输出之间的非线性相关性、空间性和时序性对SOC进行准确预测,同时采用组合法确定了网络参数。最后,通过MATLAB软件进行实验,实验结果表明,在低温下RMSE仍低于2%,具有较高的准确性和广阔的应用前景。     

直流微网基于蓄电池荷电状态的改进下垂控制

母线电压稳定是直流微电网研究的重要内容,保持母线电压稳定的传统方法有下垂控制法,传统的下垂控制法由于其下垂系数固定不变,控制结果欠佳.本文提出了一种基于蓄电池荷电状态的改进下垂控制方法,该方法可以根据各个蓄电池的荷电状态(SOC)动态的调整下垂系数,使得母线电压更稳定,同时使得各蓄电池的荷电状态趋于一致.并进行了仿真,...     

一种改进型锂离子电池SOC估算方法

为提高锂离子电池荷电状态(SOC)的估算精度，首先建立锂离子电池的较精确的二阶 RC等效模型，根据模型建立 状态空间方程，其次介绍电池充放电时电压电流采集方法，根据采集的数据，运用扩展卡尔曼滤波算法(EKF)，对锂离子电池的荷电状态进行估算。结果表明，该数据的采集方法具有很高的精度，用扩展卡尔曼滤波算法估算的结果与真实值较为接近，精确度可达4％，对噪声有很强的抑制作用。     

基于多元算法的锂电池SOC估算研究

电池的荷电状态(SOC)是反映电池剩余电量状态的重要参数,精确估计SOC值是电池管理系统(BMS)最重要的功能之一。传统的SOC估算方法如安时积分法、开路电压法、内阻法等的单独使用很难做到对SOC值的精确估计。针对电池SOC前期估算不准、后期累积误差逐渐变大的问题,以Thevenin模型为基础,对传统的安时积分法进行了改进。前期配合开路电压法获取SOC的精确初值,后期结合扩展卡尔曼滤波法修正安时积分法的累积误差,最后用MATLAB对整个过程及其结果进行曲线拟合和分析,实验结果显示所提方法在SOC估算的过程中误差都可以保持在8%范围内,具有较高的估算精度。     

电动汽车动力电池影响因素研究

本文通过综合分析动力电池在设计、制造、安装、使用和维护过程中对电池本身性能和使用寿命的影响因素,提出了有针对性的控制和防范措施,以给汽车动力电池的生产和使用的提供一定的参考。     

基于CNN-BILSTM混合网络的锂离子电池荷电状态估计

针对新能源电池的使用越来越广泛与对电池充电状态(state of charge,SOC)估计精度要求越来越高的问题,提出了一种卷积神经网络（convolutional neural networks,CNN）-双向长短期记忆神经网络（bidirectional long and short term memory neural network,BILSTM）的混合神经网络,用于拟合已知电池的电流电压等与SOC之间的关系,以推测SOC。首先,利用CNN来提取输入数据之间的空间关系,运用BILSTM提取其正向和逆向的时间特征并将其进行合并,以达到最大化地利用数据,提高学习及适应能力。混合模型的具体结构为输入层+卷积层+双向长短期记忆层+一组全连接层+输出层。其次,经过多组不同超参数的对比试验,分析找出了其性能最佳时的超参数,并在学习过程中加入了学习率下降策略以提高学习精度降低过拟合。然后,为检验混合模型的泛化能力,在不同的电池循环下对其进行了实验验证,结果表明在不同的循环次数下混合网络均表现了很好的估计性能,其估计精度可以保持在1%左右。最后,为证明网络的预测精度,文章还运用常用的网络估计...     

荷电状态对锂离子电池正极燃烧产物的影响

运用热重-气相色谱质谱联用系统(TGA-GC-MS)在线检测了商用锂离子电池正极物质在燃烧过程中的质量变化及其气相燃烧产物成分,结合X射线衍射仪对固相燃烧产物成分的测定,分析了荷电状态(State of Charge,SOC)对正极物质燃烧产物的影响。结果表明:商用锂离子电池正极物质的固相燃烧产物为Li3Fe2(PO4)3和Fe2O3,气相燃烧产物为CO和CO2,荷电状态对固相产物的成分无影响,对气相产物的影响较大。荷电量为0时,气相燃烧产物中CO的含量最多,烟气毒性最大。而荷电量为50%时,CO的含量最少,烟气毒性最弱。     

基于ESO-UKF的动力电池内部温度在线估计

准确的内部温度估计对动力电池的安全使用至关重要,为了在线获取准确的电池内部温度,本文提出一种基于温度估计模型的ESO-UKF电池内部温度估计方法。其中温度估计模型由Bernardi生热模型与热路传热模型组成,生热模型中端电压由神经网络获取,传热模型参数由递推最小二乘法辨识得到;该算法利用温度估计模型的离散状态空间描述,提出ESO-UKF进行电池内部温度的在线估计,将影响估计精度的传感器偏差视为扩展状态与原状态一起估计,实现了对不确定状态的估计;测试验证表明该算法的估计误差小于1℃,能够实现多工况下内部温度的在线估计,估计精度高、适应性强。     

电动汽车锂离子电池模型参数辨识和荷电状态估算

针对电动汽车锂离子电池荷电状态在线估算准确率低、实时性差等问题,文中建立一种精确在线估算荷电状态的有效方法,采用MAFF-RLS和EKF对荷电状态进行估算。建立锂离子电池的等效电路模型,将MAFF-RLS应用在电池等效电路模型的参数辨识上,可以有效在线辨识模型参数。在模型参数辨识的基础上,将辨识出的模型参数作为荷电状态估算的输入,采用EKF估算动力电池实时荷电状态。经过实验仿真发现,采用MAFF-RLS和EKF联合估算荷电状态能够提高估算精确度,估算误差仅在2%以内。     

场发射扫描电镜中荷电现象研究

荷电效应是导致扫描电子显微镜(SEM)图像产生缺陷最重要原因之一,它使图像出现异常反差、畸变等现象,严重影响图像质量。镀膜可以有效避免荷电现象,但镀膜不可避免地会一定程度上掩盖样品的真实显微结构。如何在不镀膜的情况下,最大程度减少荷电现象以获得不导电材料真实显微结构特征是材料科学工作者和电镜工作者的共同追求。本文从荷电效应产生的机理出发,阐述了采用合适的加速电压、探测器以及扫描方式等实验参数,对常见的不导电样品,如聚丙烯球、氧化镧粉体、SiO2球以及羟基磷灰石粉末等样品进行显微结构表征。结果表明若选择合适的实验参数,在不镀膜的情形下可以显著减少荷电甚至使荷电完全消失,从而得到高质量的材料真实显微结构信息。