共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
新能源汽车SOC估算的模糊预测算法研究 总被引:1,自引:0,他引:1
电池荷电状态(SOC)是新能源汽车最重要的参数之一。在估算SOC的安时计量法原理公式中,库仑效率η难以实时准确测量,且其受到温度、电池老化、充放电电流、电池内阻变化率的影响,从而时刻发生变化。构建T-S模型,考虑各因素对η的影响,利用模糊聚类预测法,对η进行计算。经过实验验证并结合对传统安时计量法的仿真,将二者对比放电实验结果,方法将SOC计算精度提高到了3.4%。此方法解决了安时计量法中库仑效率η难以准确测量的问题。 相似文献
4.
锂离子动力电池在电动车辆上应用时,受工况、环境等随机因素影响,SOC具有很强的时变非线性,对电动车辆动力电池SOC估计进行研究具有理论意义和应用价值。安时积分法是目前工程中常用的SOC估计方法,在应用过程中存在的难点是积分过程中累积误差的消除。首先利用电池健康状态估算出电池当前时刻的实际可用容量,作为安时积分法中的除数项,对SOC估计值进行矫正;其次,利用离线数据对安时积分法中的累积误差进行分段消除。仿真结果表明,所提方法比传统的安时积分法具有更高的精度,能够较好地消除累积误差。 相似文献
5.
6.
7.
安时积分法是电池管理系统比较常用的一种方法,但是电池受初始荷电状态(SOC)、使用环境温度、充放电循环次数等影响较大。通过实验方法确定各种因素对电池SOC的影响,建立影响电池SOC的数学模型;经过与实际的充放电数据比较得到实际SOC误差低于5%,满足煤矿井下对大容量锂电池管理系统SOC估算的要求。 相似文献
8.
钛酸镍(NiTiO3)是一种新型锂离子电池负极材料,采用溶胶.沉淀法可制备尺寸均匀、表面粗糙的球形NiTiO3颗粒.将制备的球形NiTiO3作为锂离子电池负极材料,具有良好的电化学性能,在0.1 C(50mA/g)时,其初始充电比容量约为375.6 mAh/g,库仑效率为52.1%;第二次充电比容量为331.3 mAh/g,库仑效率为90.9%;在1C时,其初始充电比容量为295.4mAh/g,经过前十次电池活化,循环20~100次的容量基本没有衰减,容量保持率高达99.7%.将球形NiTiO3与片状石墨复合,可提高首次库仑效率,改善循环性能,增加电子导电率,减小电池极化,有利于NiTiO3锂离子电池负极材料的工业应用. 相似文献
9.
《电气应用》2015,(8)
为解决安时积分法不能确定电池SOC初始值的问题,采用开路电压法与安时积分法结合的方法(OCV-AH法)估计电池SOC值,并对电池SOC估计系统的控制策略进行研究。控制策略采用开路电压法估计电池SOC的初始值,基于安时积分法实时估计电池SOC。通过Advisor软件获得工况仿真数据,并在Matlab/Simulink中建立OCV-AH法SOC估计仿真模型。仿真分析表明开路电压法能有效消除电池自放电对SOC的影响,为安时积分法提供较高准确度的SOC初始值;OCV-AH法在短时间内估计准确度较高,能够满足电池SOC估计的实际需要,但随时间延长,其估计误差有不断增大的趋势。 相似文献
10.
11.
充电截止电压是大多数电动汽车用户充电都会经历的电压点。针对传统安时积分法忽略初始容量误差和电池老化等一系列待优化的问题,提出了双层集成极限学习机(extreme learning machine, ELM)算法,实现锂离子电池充电截止电压下的荷电状态(state of charge, SOC)和健康状态(state of health, SOH)联合估计。首先,提取易测的电池健康特征(health indicator, HI),采用集成极限学习机映射HI及充电所需时间与SOH之间的关系。其次,用测得的HI估计难以在线测量的充电所需时间,对充电截止电压下安时积分法的SOC进行在线修正。该方法充分考虑了电动汽车用户初始充电状态的不确定性,指导电动汽车用户合理充电。此外,通过选择合适的集成ELM模型集成度,解决了单个ELM模型输出不稳定的问题。最后,选用NASA和CALCE数据集进行实验验证。验证结果表明,锂离子电池充电截止电压下SOC的估计均方根误差均小于1.5%,集成ELM相比于其他常见算法具有较高的训练、测试精度和较短的预测时间。 相似文献
12.
13.
荷电状态(SOC)是描述动力电池状态的重要参数之一,提高SOC估计的准确性对电动汽车电池管理系统的研究至关重要。提出一种改进的最小二乘支持向量机(LS-SVM),动态地调整模型参数,对电池的开路电压(OCV)进行在线实时估计;通过SOC与OCV的关系确定初值,采用安时积分法估算SOC;并利用OCV的偏差信息对电池SOC进行修正,有效地补偿拟合误差和安时积分法产生的累计误差。仿真实验结果表明,在线LS-SVM算法能准确地逼近实际SOC值,平均绝对误差为1.279 3%。 相似文献
14.
15.
16.
运维系统是保障电池储能电站安全、高效运行的重要支撑工具,电池荷电状态(state of charge, SOC)的精确估算是运维工具依赖的关键技术之一。针对储能电站应用领域的电池特性参数和电池SOC获取问题,使用基于大数据的电池特征参数提取方法,利用电池历史数据提取SOC、电压、电流等参数的对应关系,可对“开路电压法+安时积分法”估算方法的初始荷电状态SOC0和实际可用容量Qa进行修正。该方法可以有效提高运维工具对储能电站等应用领域中电池SOC的实时估算精度。 相似文献
17.
18.
19.
估算算法先进性与否是影响锂离子电池荷电状态(SOC)估算准确度的重要因素。用扩展卡尔曼滤波(EKF)算法估算锂离子电池SOC时在低容量区和估算后期误差较大,为此将EKF算法和安时积分法(AH)相结合,提出EKF-AH联合算法。选用恒流放电及动态工况对联合算法进行实验验证。结果表明,在两个实验工况下对SOC的估算误差分别小于2%和3%。因此EKF-AH相比于EKF,估算精度提高。 相似文献