共查询到19条相似文献,搜索用时 968 毫秒
1.
2.
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。 相似文献
3.
4.
5.
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。 相似文献
6.
7.
由于电池本身特性决定了电池电量的预测成为电动汽车开发的一个难点。但目前各种方法都难以精确地测量蓄电池的剩余电量,并以此计算电动汽车蓄电池的荷电状态(SOC)。在对目前常用的剩余电量计量方法分析基础上,提出了一种基于开路电压法和安时法复合的估算方法,然后利用卡尔曼滤波估计递推算法对蓄电池SOC进行实时估算,并在MATLAB下进行了仿真,实现了电池荷电状态(SOC)的精确估算。 相似文献
8.
10.
11.
以18650型锂电池为研究对象,建立双极化Thevenin(DP-Thevenin)等效电路模型描述其动静态特征。分别以恒流脉冲放电实验和带遗忘因子的递推最小二乘法完成电池电动势及模型参数的辨识;在Simulink中搭建等效电路模型,以脉冲电流作为激励进行验证,得出模型响应电压与实际端电压契合度较好,平均误差为1.836%;构建电池实验硬件电路,编写算法程序完成了锂电池实验系统的构建。最后,在随机测试工况下借助Matlab分析了基于联合算法的锂电池荷电状态(SOC)与健康状态(SOH)在预测精确度、错误初值时算法收敛性等方面的性能。实验结果表明,算法可精确估计出电池SOC和内阻大小,最大误差不超过3.5%;且在初值相差15%时,算法可在319 s内收敛至真值附近,鲁棒性较好 相似文献
12.
串联锂离子电池组荷电状态评估方法对比 总被引:1,自引:0,他引:1
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。 相似文献
13.
锂电池的均衡管理可以提高锂电池的使用寿命和续航里程。针对磷酸铁锂电池串联电池组中,电池组中各个单体电池之间存在电量不一致的问题,提出一种复合式均衡拓扑结构,通过对单体电池之间的电感或电池组间的变压器选择性放电均衡,实现电池组内的各个单体电池的电量均衡,并测量实际的锂电池放电曲线,拟合锂电池开路电压与SOC的曲线。此外,建立了对应的磷酸铁锂电池Simulink模型,使用SOC估算值作为判断均衡的条件,以提高启动或停止均衡子电路的准确性。在Matlab/Simulink的软件仿真下证明,所提出的复合式均衡方案均衡效果良好,易于实现,控制简易。 相似文献
14.
15.
为了保证变电站直流电源设备运行的安全可靠性,提高铅酸蓄电池健康状态(State of Health,SOH)的评估能力至关重要。提出了一种基于模糊逻辑预测SOH的在线检测法,利用蓄电池在充放电状态下电荷量与开路电压之间的线性关系分别在线、离线检测蓄电池的SOH。实验结果表明,传统的离线法与在线法评估的结果一致,误差均接近2%左右。与SOC在线检测方法相比,SOH对蓄电池健康评估具有灵敏度高、收敛快等特点。 相似文献
16.
文章主要介绍了在基于LTC4100芯片的智能电池充电系统中PWM调制方式对电池充电电压所起到的调节作用。LTC4100控制双MOS管的开断使电压在脉冲波形中达到一定的占空比,后端滤波处理得到需要电压。此电压可控,从而实现电池的智能充电。 相似文献
17.
18.
锂电池及其应用近年来逐渐成为研究热点。以提高电池管理系统(BMS)对电池荷电状态(SOC)和健康状态(SOH)的估算精确度为目标,在建立二阶Thevenin等效电路模型基础上提出一种能在线协同估算电池荷电状态和健康状态的改进扩展卡尔曼滤波算法。通过分阶段脉冲放电实验,并利用最小二乘法求得模型参数。在动态应力测试工况(DST)下借助Matlab对比分析了改进扩展卡尔曼算法在SOC和SOH估计精确度、错误初值时算法收敛性、算法复杂度等方面的性能。实验表明,利用该算法可以精确估计出各采样点处的SOC和SOH,误差低于1%;且在初值不准确情况下,运行算法可快速收敛至真值附近,算法估算结果的准确性与模型参数的微调无关,鲁棒性较好。 相似文献