纯电动汽车用磷酸铁锂电池工作特性分析与表征

磷酸铁锂电池作为锂离子电池之一,因原材料磷、铁存在于地球的资源含量丰富,并且在高温与高热环境下的稳定性高等优势,在纯电动汽车中有着广泛的应用。为准确估算磷酸铁锂电池的荷电状态(SOC),以容量为10 Ah的磷酸铁锂电池作为对象进行了研究,控制温度在25℃下,通过标准充电与放电试验、不同倍率的充放电试验和OCV-SOC非线性曲线辨识试验分析其工作特性。根据电池内部的极化反应、OCV-SOC相对稳定性,建立戴维南等效模型。通过HPPC测试试验对其实现参数辨识,得出欧姆内阻均值R_0为20.68 mΩ,极化内阻均值R_P为1.36 mΩ,极化电容均值C_P为47 747.9 F。通过试验得到其电压、电阻工作特性,且模型参数可为锂离子电池的荷电状态准确估算提供理论依据,为纯电动汽车用磷酸铁锂电池今后建模仿真、SOC的准确估算和电池管理系统设计提供了可行性方案。     

光伏电池输出特性与最大功率跟踪的仿真分析

该文根据光伏电池的工程数学模型,提出一种利用MATLAB软件包中的Simulation模块直接模拟光伏电池工作状况的方法,该仿真模型能准确反映光伏电池的输出特性,而且参数调节方便。文章主要对不同负载、模型内部参数变化和日照强度变化条件下光伏电池输出的特性进行了研究,得到了光伏电池输出特性变化的一般规律。数据分析结果表明,光伏电池的输出特性呈非线性。光伏电池输出功率随外部环境或内部参数的变化而发生改变,其最大值只在满足特定条件下的某一点才可能出现。基于导纳增量法,利用BOOSTDC／DC变换电路实现了光伏电池输出的最大功率跟踪,其控制算法用S函数编程实现。     

基于Pspice模拟行为模型的光伏阵列建模

根据光伏电池物理机制的数学表达式,利用Pspice仿真软件的模拟行为模型构建光伏电池的Pspice仿真模型.在此基础上,通过分析光伏阵列和光伏电池的关系及电路等效变换,建立任意功率级的PV仿真模型.该模型可以仿真任意太阳光照强度、环境温度、光伏模块参数及任意个光伏电池串并联组合下光伏阵列的I-V 、P-V特性.实验和仿真结果表明,仿真模型的输出特性与实际电池的输出特性基本一致,能较好体现光伏阵列的输出特性.模型的建立为光伏发电系统的动态仿真提供了有效的模拟输入电源.     

基于Thevinin的锂离子动力电池建模实验研究

为了准确估算锂电池的荷电状态(SOC),对其等效电路模型进行了研究。通过充放电实验研究锂电池的电特性,利用充放电电压、电流数据辨识其欧姆内阻、极化内阻和极化电容参数,建立了较为精确的锂电池Thevenin模型。建立实验用磷酸铁锂电池的离散状态空间模型,在Matlab/Simulink环境下建立了该电池的仿真模型,并设计了放电实验。实验证明,建立的锂电池模型仿真数据与实测数据误差小于0.1 V,且随着充放电的进行误差逐渐减小,较好的跟随电池电压的变化,模型精度较高。     

测量误差对输电线路交流电阻辨识的影响分析

为分析和判断测量误差对输电线路参数辨识结果准确性的影响,论文基于集中参数π型等值电路的输电线路参数辨识模型,通过建立灵敏度方程,分析了电气量测量回路整体测量误差对输电线路交流电阻参数辨识准确性的影响.基于实测的电气量数据,利用灵敏度分析方法,对电压幅值变化造成的输电线路交流电阻辨识不同结果进行了仿真分析.研究结果为输电线路在线参数辨识的准确性和可用性提供了评判依据.     

光伏组件内部参数辨识与输出特性研究

基于光伏组件的物理模型快速准确地识别其内部参数对于预测光伏阵列的输出特性、跟踪最大功率点和电池故障模型的特性是非常重要的。而传统数学解析的参数辨识方法存在着辨识参数不准确,一般的智能优化算法精度都优于数学解析法,但现有的粒子群参数辨识方法存在着易陷入早熟和迭代次数过多等问题。对此,提出了一种改进量子粒子群算法,对光伏组件内部5参数进行准确辨识,并对其外部输出特性进行预测。通过MATLAB仿真算例和实际测试数据对该方法进行验证,证明其准确性和适用性。     

基于遗传算法和非线性规划求解信息交互的光伏阵列模型鲁棒参数辨识方法

对光伏阵列进行建模不仅可以研究温度、光照等因素对V-I特性曲线的影响,还可以用模型代替实际光伏阵列进行各种光伏实验,降低实验成本,节省实验时间;参数辨识可以使光伏阵列模型的参数值设置更精确,使其与实际值相一致;针对基于非线性规划的光伏阵列模型鲁棒参数辨识方法容易陷入局部搜索的问题,提出了遗传算法与非线性规划求解信息交互的鲁棒参数辨识方法;将遗传算法与非线性规划求解信息交互,既可以进行全局搜索,又可以进行局部搜索,以得到问题的全局最优解;通过仿真测试,使用该方法得到的结果均方误差降低了8倍,均方误差量级达到了1.0E-3,表明了该方法在光伏阵列模型参数辨识方面具有较高的精确度。     

基于电压递推与FFRELS的航空蓄电池模型参数动态辨识

摘要：针对电池等效电路模型参数具有时变性,难以准确辨识的问题,建立了二阶RC航空电池模型,提出了基于遗忘因子扩展递推最小二乘法(FFRELS)的参数辨识算法;同时针对电池开路电压测量时间长的问题,创建了蓄电池开路电压辨识递推模型,实现开路电压的动态估计,该方法能够准确辨识出模型的参数,有效提高蓄电池开路电压的辨识精度。最后通过仿真实验,验证了该方法能够提高电池模型参数的辨识精度。     

太阳能电池多参数模型研究

为提高太阳能电池模型的仿真精度,提出了一种新的太阳能电池多参数模型,以双曲线方程为基础,引入太阳辐射和环境温度作为可变参数,利用太阳能电池在标准条件下的短路电流I<,sc>和开路电压V<,oc>精确地模拟太阳能电池的输出I-V特性.仿真算法程序考虑到了品质因数n,串联电阻R<,s>和并联电阻R<,p>等初始条件对太阳能电池输出特性仿真结果的影响,并将这些能够从实验室获得的数据作为可选输入参数.此外,为实现快速和精确的运算,程序采用了牛顿-拉夫逊算法.为验证所提出的模型和算法程序,选用一块典型60W太阳能电池作为实验对象,对实验数据和仿真数据进行对比.结果证明,仿真程序能够精确地模拟太阳能电池板的输出特性曲线.     

基于Park变换的LC型逆变器参数在线辨识策略

针对采用电压电流双闭环控制的LC型逆变器,提出了一种滤波电感和电容参数的在线辨识策略。对电压、电流信号进行Park变换和积分滤波,得到电压、电流的基波dq轴分量后代入推导的表达式进行计算,即可辨识出电感、电容参数;利用开环运行时的调制波信号间接获取参数辨识所需的逆变器输出电压,从而节省了传感器;搭建了MATLAB/Simulink仿真模型,仿真结果表明,所提策略在逆变器不同负载强度下以及电感、电容参数偏移时均能准确识别参数,且不会影响系统的稳态运行。     

A Nonlinear Observer Approach of SOC Estimation Based on Hysteresis Model for Lithium-ion Battery

In this paper, a state of charge (SOC) estimation approach for lithium-ion battery based on equivalent circuit model and the input-to-state stability (ISS) theory has been proposed. According to the electrochemical performance of lithiumion battery, the equivalent circuit model with two RC networks is established, which includes hysteresis characteristic in inner electrochemical response process.The nonlinear relation between open circuit voltage (OCV) and SOC is obtained from a rapid test.Exponential fitting method is used to identify the parameters of the model.A novel state observer based on ISS theory is designed for lithium-ion battery SOC estimation.The designed observer is tested on AMESim and Simulink co-simulation.The simulation results show that the proposed method has a high SOC estimation accuracy with an error of about 2 percent.      

基于动态遗忘因子最小二乘与EKF的电池SOC估计

电池荷电状态SOC（State Of Charge）作为电池管理系统中尤为重要的一部分,其准确估计成为锂离子电池研究的重点。为了提高动态工况下的SOC估计精度,对锂离子电池等效模型进行分析,基于AIC（赤池信息）准则确定二阶RC电路为等效电路模型,使用递推最小二乘算法对模型参数进行在线辨识,为提高辨识精度,提出了改进带动态遗忘因子递推最小二乘算法,对算法加入遗忘因子,通过电压结果误差实时动态调整算法遗忘因子取值。将递推最小二乘算法和含动态遗忘因子最小二乘算法分别与扩展卡尔曼滤波（EKF）算法进行SOC联合估计,并对比其预测效果,结果表明含有动态遗忘因子最小二乘与EKF联合估计模型具有更高的精度和鲁棒性。     

基于在线开路电压估算的电池均衡指标研究

开路电压作为均衡指标可以准确反映电池组中单体的不一致性状态,如何在线实时获得开路电压是电池均衡研究的难点之一。使用BP神经网络结合当前工作状态下的电流、电压与荷电状态在线估算开路电压,并以此作为均衡指标在自主研制的BMS算法验证平台采用耗散型均衡方式实现电池放电阶段均衡。实验结果表明：在相同均衡策略下,在线估算的开路电压均衡指标与工作电压均衡指标相比,工作截止时的开路电压偏差近似为初始开路电压偏差的一半,因此能够准确地表征锂电池的不一致性。为电池组均衡指标的选择提供指导,促进电池组均衡技术的发展。     

基于等效模型和多时间尺度扩展卡尔曼滤波的锂离子电池SOC预测

荷电状态(SOC)和最大可用电量估计是锂离子电池寿命预测中的两个最重要部分;然而与快速时变的SOC比较,最大可用电量的参数变化缓慢;文章提出了一个基于等效模型和多时间尺度的扩展卡尔曼滤波(EKF)预测算法对SOC和最大可用容量分别在不同时间尺度上进行估计,在宏观尺度上利用了SOC估计值作为观测量,更新最大可用电量;针对NCA/C卫星锂离子电池实验数据的仿真结果表明,提出的多时间尺度EKF预测算法与EKF联合估计算法相比,SOC和最大可用电量估计准确度更高,同时提高了计算效率。     

基于容积卡尔曼滤波算法估计动力锂电池荷电状态

动力锂电池荷电状态的准确估计是电池管理系统的关键功能之一。该文结合二阶电阻-电容等效电路模型,通过建立状态空间表达式,利用最小二乘法对等效电路模型各参数进行辨识,并通过多项式拟合方法获得了开路电压与剩余电荷的关系曲线,进而基于容积卡尔曼滤波方法对锂电池荷电状态进行建模,建立了基于数字信号处理器的充放电实验平台,实现了锂电池放电时荷电状态的实时估算。实验结果表明,该方法能够实现实时在线估算,且最大误差小于 2%,具有良好的估算精度。     

基于无迹卡尔曼滤波估算电池SOC

为了实现在线估计汽车动力电池的荷电状态（SOC）,提出了结合神经网络的无迹卡尔曼滤波算法。以Thevenin电路为等效电路模型,建立了状态空间表达式,采用最小二乘算法对模型参数进行辨识。在此基础上,利用神经网络算法拟合电池的荷电状态与模型各个参数之间的函数关系,经过多次实验,确定了神经网络算法的收敛曲线,此方法比传统的曲线拟合精度高。介绍了扩展卡尔曼滤波和无迹卡尔曼滤波的原理,并设计了等效电路模型验证实验、电池的SOC测试实验和算法的收敛性实验。实验结果表明,在不同的工况环境下,该方法估计SOC具有可在线估算、估算精度高和环境适应度高等优点,最大误差小于4%。最后验证了结合神经网络的无迹卡尔曼滤波的算法具有较好的收敛性和鲁棒性,可以有效解决初值估算不准确和累计误差的问题。     

串联锂离子电池组均衡充电方法研究

目前,制约电动汽车发展的关键难题就是串联锂离子电池组电压不均衡问题,为了提高串联锂离子电池组在充电过程中的电压一致性,设计了一种基于Buck斩波电路的串联锂离子电池组均衡充电电路.基于锂离子电池的特点对系统总体设计进行阐述,提出一种改进的能量转移型均衡电路.阐明了该电路的工作原理,给出了均衡充电电路的控制策略.实验结果表明,该均衡电路可以使单体电池电压在充电过程中得到均衡,改善电池组的充电特性,实现较好的均衡效果.     

基于Thevenin模型和UKF的锂电池SOC估算方法研究

为解决在多种工况下锂电池实时估算困难、估算精度不高等问题,以三元锂电池为研究对象,建立Thevenin模型,对电池的工作特性进行表征。综合多种工况对锂电池工作特性进行研究分析,避免了依据电池内部复杂结构建立等效模型的困难。考虑到估算初期荷电状态(SOC)准确性对于后期估算的重要性,首先用开路电压法标定初值,然后运用无迹卡尔曼滤波(UKF)算法进行估算跟踪。UKF算法基于无迹变换,没有忽略高阶项,对于非线性分布具有较高的计算精度。在Matlab/Simulink中搭建仿真模型并结合多种工况数据进行分析。试验结果表明,Thevenin模型能够较好地对锂电池SOC进行估算,收敛速度快、跟踪效果好且能将估算误差控制在0.8%以内,验证了UKF在对锂电池进行SOC估算时具有较高的精度。