共查询到20条相似文献,搜索用时 0 毫秒
1.
电动汽车的主要驱动动力是锂离子电池,当前电池充电均衡技术的不成熟成为制约电动汽车普及化的最大难题,从而严重影响了电动汽车的性能。设计一种以双向Buck-Boost拓扑为主电路的主动均衡控制系统,采用神经网络与无迹卡尔曼滤波器(UKF)相结合的估算方法估计荷电状态(SOC),并以SOC作为主要的均衡判据,提出了一种改进主动均衡控制策略,实现了锂电池组在充电过程中的主动均衡,并通过MATLAB仿真分析。实验结果表明:电池组能够较好地完成各单体电池间的能量均衡,所改进的主动均衡控制方法可以更加有效快速地达到均衡目标,同时能量损耗较少,证明了该方案的可行性。 相似文献
2.
3.
电池管理系统的设计开发是制约电动汽车发展的瓶颈,尤其是电池组串联电压不均衡问题大大限制了其广泛应用。均衡充电技术直接影响电池组性能和使用寿命。根据均衡充电的原理及意义,结合均衡充电的分类,介绍了国内外管理系统均衡充电的研究进展,并指出车载锂离子电池组均衡充电管理系统的研究方向。 相似文献
4.
5.
6.
为了缩短锂离子电池组均衡所需的时间,提高均衡效率,提出了一种基于模糊算法的锂离子电池组主动均衡方法。首先,设计一种双层选择开关的新型均衡拓扑,该拓扑结构可以实现不同单体电池之间高效的能量传递。其次,根据电池开路电压(OCV)和荷电状态(SOC)的特性,将均衡过程分为两部分,分别以电压和SOC作为均衡变量,并设计模糊控制器和模糊控制规则,以缩短均衡时间和能量损耗。最后,使用Simulink进行仿真实验,与均值差分算法相比,所需时间减少了30%以上,能量消耗也有所减少,验证了该均衡方案的优点。 相似文献
7.
将卷积神经网络(convolutional neural network,CNN)的权值和阈值作为粒子群算法(particle swarm optimization,PSO)的粒子,将CNN的损失函数作为PSO的适应度函数,从而构建PSO-CNN算法对储能锂离子电池组的荷电状态(state of charge,SOC)进行预测。以储能系统现场采集的充放电数据为样本,分别采用本文算法、基于PSO优化的支持向量机(support vector machine,SVM)、CNN进行训练,并在完整充放电数据集上对比3种算法的预测效果。结果表明本文算法收敛性好、预测精度高。最后采用另一储能现场的数据验证本文算法具有良好的鲁棒性,可以广泛适用于储能系统锂离子电池组SOC的在线预测。 相似文献
8.
9.
本文介绍专为锂离子电池组设计的保护和电压均衡集成电路X3100 X3101、该芯片内部有EEPROM和MOSFET驱动电路、并具有微功耗休眠模式。采用该控制芯片的充电器、外围元件少、充电电压精度高,具有锂离子电池组充电所需的全部功能,并通过容量均衡控制有效提高了电池组使用寿命。 相似文献
10.
基于灰色扩展卡尔曼滤波的锂离子电池荷电状态估算 总被引:1,自引:0,他引:1
准确估算电池荷电状态(SOC)是电池管理系统的核心技术之一。为提高扩展卡尔曼滤波(EKF)估算电池SOC精度,将灰色预测模型(GM)和EKF融合,构建灰色扩展卡尔曼滤波(GM-EKF)算法用于电池SOC估算。该算法首先用GM(1,1)替代EKF算法中Jacobian矩阵,对当前时刻电池系统状态预测,即实现系统状态先验估算;再通过观测值对系统状态进行更新和修正,获得后验估算值,实现对电池SOC的估算;最后在自主搭建的电池实验平台上对电池进行模拟工况放电实验。实验结果表明,GM-EKF算法相比EKF算法,估算电池SOC具有更高的精度,估算误差不超过±0.005。研究结果对电池管理系统估算电池SOC具有现实指导意义。 相似文献
11.
12.
锂离子电池组实时均衡调节方法研究 总被引:1,自引:0,他引:1
针对锂离子电池组在作为能源供能应用中的电压均衡调节目标,基于单体及蓄电池组电压实时检测与高电压对低电压单体均衡调节原理,探索了实时均衡调节方法,并基于此设计了一种便携式锂离子蓄电池组实时主动均衡系统。该系统在锂离子蓄电池供能工作中的实时检测单体及蓄电池组电压、电流、温度等参数值,通过EMI滤波后的组压给单体充电的形式,实现了蓄电池组单体间的电压均衡调节,系统最终尺寸为160×60×105mm,满足便携式需求,与蓄电池组组合应用于AGV小车的供能过程中进行实时均衡调节。实验及现场应用效果表明,该系统实现了9节单体的实时主动均衡,实现在300s以内单体间电压不平衡度低于5%的均衡调节,均衡效率高于80%,达到锂离子电池AGV小车供能的较恶劣条件下实时均衡主动式调节的目标。 相似文献
13.
基于Boost-Buck电路的锂离子电池组均衡充电方法 总被引:1,自引:0,他引:1
针对锂离子电池组中串联的各单元电池间电量不均衡的问题,提出了一种基于Boost-Buck电路的锂离子电池组均衡充电电路。阐明了该均衡电路的工作原理,给出了均衡电路参数的选取原则和均衡充电控制策略。根据均衡电路拓扑结构搭建电路仿真模型,验证了均衡过程中主电路中储能元件电流、电压变化规律,并对先恒流后恒压直流电源充电时的单元电池间的均衡充电过程进行了仿真,仿真结果表明均衡效果明显。 相似文献
14.
15.
锂离子电池组的不一致性导致电池组增加过充电或过放电风险,使电池易于老化,进而使电池组的可用容量和寿命下降。基于此问题设计了一种改进的Buck-Boost均衡电路,使串联电池形成能量循环回路,提高均衡速度。根据锂离子电池的开路电压(OCV)-荷电状态(SOC)曲线的特点,将电压和荷电状态共同作为均衡变量。采用模糊逻辑控制(FLC)动态调节均衡电流,减少均衡时间,提高效率。在Matlab/Simulink仿真平台上搭建了均衡系统,将传统Buck-Boost均衡电路与改进后的Buck-Boost均衡电路进行了比较,仿真结果表明,改进后Buck-Boost均衡电路的均衡时间缩短了34%。与均差算法相比,静态、充放电条件下FLC均衡时间分别减少了51%、48%、46%,能量效率提高4.88%,电池的不一致性降低。 相似文献
16.
精确的电池荷电状态(state of charge,SOC)估计对提高新能源汽车电池管理系统的性能、电池使用安全性以及整车能量管理策略的准确性具有至关重要的作用.综合考虑电池模型精度和复杂度,建立了锂离子电池二阶RC等效电路模型,运用自适应遗忘因子递推最小二乘法(adaptive forgetting factor-recursive least square,AFF-RLS)在线辨识模型参数.在此基础上,采用平方根容积卡尔曼滤波(square root cubature Kalman filter,SRCKF)估算电池SOC,使用动态应力测试工况(dynamic stress test,DST)对模型参数和SOC进行验证.研究结果表明,与无迹卡尔曼滤波(unscented Kalman filter,UKF)估算相比,SRCKF估算误差小、鲁棒性好. 相似文献
17.
18.
19.
针对锂离子电池的荷电状态(SOC)估算问题,给出一种综合型卡尔曼滤波算法。该算法采用递推最小二乘算法(RLS)对锂离子电池模型参数进行实时在线辨识和参数更改;采用综合型卡尔曼滤波器估计电池SOC,即针对模型状态空间方程中的线性部分和非线性部分,分别使用线性卡尔曼滤波器(KF)和平方根高阶容积卡尔曼滤波器(SHCKF)计算。两种卡尔曼滤波器结合的综合型策略能够有效减小计算复杂度。其中,SHCKF结合了五阶球面-径向容积法则和平方根滤波技术,比扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF)和容积卡尔曼滤波器(CKF)等传统非线性滤波器的估计精度更高,数值稳定性更强。实验结果证明了该综合型算法的可行性和有效性。 相似文献
20.
电池的荷电状态(SOC)是电池管理系统(BMS)的重要指标,然而锂离子电池是一个具有复杂性噪声特点的非线性动态系统,精准估计SOC十分困难。针对无迹卡尔曼滤波(UKF)估计SOC时受模型精度和系统噪声预定变量影响较大问题,基于改进的PNGV模型提出一种两次非线性变换预测系统闭环端电压方法,采用动态函数提高卡尔曼增益,从而提高SOC估计精度和效果。通过充放电混合动力脉冲能力特性(HPPC)和混合放电比实验验证可得该方法具有良好的估计效果,在电压和电流变化剧烈的条件下,平均绝对误差为0.11%,精度相对提高了58%,均方根误差为0.15%,稳定性相对提高了63%。 相似文献