共查询到19条相似文献,搜索用时 218 毫秒
1.
一种电动车铅酸蓄电池SOC预测模型及检测系统的设计 总被引:2,自引:0,他引:2
针对电动车铅酸蓄电池SOC预测精度低的问题,给出了一种基于模糊预测技术的蓄电池SOC预测模型,该模型利用电动势和内阻结合预测蓄电池SOC。建立了蓄电池电动势、内阻和SOC的隶属度函数,确定了26条模糊控制规则。仿真结果表明,预测值与实际值相对误差最大为5%左右。在此基础上,设计了以C8051F020单片机为中央处理器的铅酸蓄电池组智能检测系统,该系统具有蓄电池SOC预测,端电压、充放电电流等参数在线检测和数据传输等功能。实际车辆试验结果表明,利用这种SOC预测模型可有效的提高预测精度,系统具有参数检测误差小、数据传输可靠性高等特点,具有很好的应用价值。 相似文献
2.
3.
蓄电池的电量是储能系统的关键运行参数,决定储能系统的正常运行。为准确估计蓄电池的电量,减小估计误差和波动幅值,在蓄电池传统电量估计方法的基础上,提出了一种基于蓄电池电动势内阻和端电压加权组合与安时法修正的多因素分阶段电量估计新方法。在铅酸蓄电池、储能逆变充放一体机所组成的储能系统上分别对传统电量估计方法、电动势内阻和端电压加权组合法、电动势内阻和端电压加权组合与安时法修正的多因素分阶段电量估计法进行了实验,并将实验结果进行比较分析,发现电动势内阻和端电压加权组合与安时法修正的多因素分阶段电量估计法的电量估计最大误差绝对值为2.23%,且误差波动幅值标准方差为0.838 5,表明该方法可以实现储能系统铅酸蓄电池电量的精确估计,验证了其有效性。 相似文献
4.
5.
《电源技术》2020,(4)
研究准确预测蓄电池荷电状态(SOC)的方法对于快速、准确调节充电装置的动态充电过程具有重要意义。从基于测量蓄电池端电压和内阻实现预测其SOC出发,研究了基于卡尔曼滤波提高蓄电池端电压、内阻和充放电电流测量准确性的方法,在此基础上,进一步提出利用LIBSVM支持向量机基于蓄电池端电压、内阻和SOC的训练样本数据,建立反映其非线性映射的回归预测模型建模方法。最后通过实验数据验证了所提SOC预测模型建模方法的可行性。与利用BP神经网络预测SOC的结果对比表明,基于相同训练样本,所提方法建立的预测模型具有SOC估计预测误差小,对蓄电池宽运行范围的SOC评估具有良好适用性等特点。 相似文献
6.
7.
8.
为了实现对阀控式铅酸蓄电池失效性的有效检测,建立了以内阻变化率为依据的预测模型。根据电池老化实验,所测得的电池内阻,电压,充放电流,温度等数据进行回归分析。通过回归分析得到蓄电池内阻随放电时间的关系,推导出内阻的变化率函数。同时根据大量的实验数据分析、估计出当蓄电池内阻增加到其基准值的30%,放电容量达到80%时的斜率值范围,并根据内阻变化率来建立预测模型。实验结果表明:阀控式铅酸蓄电池内阻随着时间变化趋势接近三次函数和指数函数,以内阻变化率来建立模型预测蓄电池失效时期比内阻更加可靠和精确。 相似文献
9.
10.
11.
12.
13.
14.
针对电动汽车动力锂离子电池的状态估计问题,提出一种基于分数阶等效电路建模方法,并采用分数阶卡尔曼滤波算法估计电池荷电状态(SOC)。首先建立基于二阶等效电路的分数阶电池模型,采用遗传算法辨识阶数,然后利用分数阶卡尔曼滤波算法估计电池SOC,并与扩展卡尔曼滤波算法进行比较。实验结果表明,在恒流放电下采用分数阶模型,其端电压最大绝对误差为0.014V,SOC最大估计误差不超过2%。本文提出的基于二阶等效电路的分数阶模型及分数阶卡尔曼滤波算法,不仅给出了一种准确、可靠的建模方法,而且为有效提高电池管理系统中SOC估计的准确性提供了途径。 相似文献
15.
16.
在建立电池管理系统的过程中,动力电池荷电状态(SOC)的实时测量和估计很关键。分析了各种电池SOC估算方法的优缺点,提出了一种实时检测电池端电压作为判断电池充电状态的电压-安时计量算法。由该算法构成的电量计能实时、准确计算电池的电量和SOC,保证了动力电池在电动汽车应用中的安全、可靠运行。 相似文献
17.
锂离子电池是新能源汽车动力系统的核心,基于模型的电池管理系统(battery management system,BMS)是保证电池性能充分发挥的关键。然而现有BMS主要采用等效电路模型(equivalent circuit model,ECM),尚未考虑放电倍率对可用容量的影响机制,导致模型在不同放电倍率下以及低荷电状态(state of charge,SOC)区域会存在明显的端电压仿真误差,影响算法精度;尤其是BMS无法准确估计电池放电截止条件,剩余放电电量(remaining discharge capacity,RDC)估计误差大,可能导致电池电压骤降甚至整车抛锚等严重后果。针对以上问题,文中以考虑内部扩散机制的扩展等效电路模型(extended equivalent circuit model,EECM)为基础,对不同倍率的放电电压容量增量(incremental capacity,IC)曲线进行对比分析,利用能斯特方程构造不同放电倍率下的容量-开路电压曲线,提出改进的EECM。所提改进EECM在不同电流倍率和动态工况下的端电压仿真误差均小于传统ECM和EECM,可以提高RDC估计的准确性,有应用于实际BMS的潜力。 相似文献
18.
19.
现有电池SOC预测方法,大都基于开路电压、开路电流等外电路或者测量电源内阻的方法,而没有考虑到电源的内在特性,尤其没有考虑电池的自恢复效应的影响,且大都采用恒压、恒流放电的工作模式,难以实现对电池SOC的动态预测。针对电池SOC预测方法的缺点,提出了一种包含有电池自恢复效应的电池SOC动态预测方法:提出一款包含有电池自恢复效应的动态电池模型,基于此电池模型提出了计及电池自恢复效应的动态放电模型,并论述了此放电模型与自恢复效应的关系,仿真结果表明,本预测方法具有较高的预测精度,且可实现动态预测。 相似文献