模糊C均值聚类在蓄电池SOC预测中的应用

针对铅酸蓄电池数学模型难以建立以及荷电状态精确预测问题,本文提出了一种利用模糊C-均值聚类算法对蓄电池SOC控制器参数及结构进行辨识的建模方法。通过对蓄电池电动势、内阻等实时数据进行聚类分析,能够有效地实现输入空间划分并能够有针对性地生成模糊控制规则,在此基础上构建了完整的荷电状态预测控制器。通过铅酸蓄电池放电实验验证了该预测方法的有效性。     

太阳能光伏发电系统中蓄电池SOC预测模型及监控方法研究

建立了一种基于反向传播(BP)神经网络算法的阀控密封式铅酸蓄电池(VRLA)的剩余容量(SOC)预测模型,利用MATLAB仿真对三层BP网络模型的性能进行了校验,采用由TMS320F28335为核心组成的硬件控制电路对VRLA蓄电池组进行了实时数据采集,依据预测出的SOC值和控制电路,实现对蓄电池组的放电工作状态的智能监测与控制,保证了系统的经济、高效、安全可靠运行。监测控制系统具有蓄电池SOC预测,端电压、充放电电流等参数实时监控,数据传输及状态显示等功能,具有较高的实际应用价值。     

基于LIBSVM的铅酸蓄电池荷电状态估计

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。     

基于聚类算法的蓄电池SOC模糊预测

为了实现对蓄电池的准确在线估算,研究了利用蓄电池电动势、内阻与荷电状态(state of charge,SOC)之间的关系,设计了基于模糊C-均值聚类的模糊控制器。该控制器将模糊C-均值聚类方法与模糊控制系统有机结合,能有效地进行数据划分和构建模糊控制规则。实验表明,该方法将SOC预估误差控制在3%之内,很好地反映了铅酸蓄电池的能量状态。与现有的模糊预测控制器相比,准确度更高,具有一定的实用性。     

铅酸蓄电池模型研究及SOC模糊估计

为了深入研究铅酸蓄电池在充放电过程中内阻等特征参数的变化,首先,基于铅酸蓄电池的工作机理建立蓄电池充放电模型,并进行不同倍率的充放电实验;其次,基于实验数据建立各模型参数与SOC之间的函数关系,同时对BP神经网络模型进行训练以实现SOC的精确估计。最后,结合铅酸蓄电池充放电模型和BP神经网络模型仿真铅酸蓄电池充放电过程,仿真结果和实际结果吻合,有助于对铅酸蓄电池内阻等特征参数的研究。     

基于高阶非线性模型的铅酸蓄电池SOC估计

铅酸蓄电池在电动汽车和蓄电池储能系统等领域有着广泛的应用,提高铅酸蓄电池荷电状态(SOC)估算的精度具有重要的意义。本文针对目前SOC估算方法中电池等效模型复杂、相关参数难以确定等问题,提出了一种新型高阶非线性拟合开路电压的SOC估计方法,通过拟合恒流充放电工况下的开路电压(OCV)–SOC曲线,建立适用于变电流充放电工况下的铅酸蓄电池模型,并结合扩展卡尔曼滤波算法(EKF)对电池的SOC进行估算。仿真和实验结果表明该方法能够实现铅酸蓄电池的高精度SOC估算。     

基于RBFNN的船用铅酸蓄电池SOC预测方法研究

目前预测铅酸蓄电池荷电状态(SOC)的算法很多,这些算法各有特点。根据船用铅酸蓄电池的特点,本文比较分析了这些方法的预测效果,提出了利用径向基神经网络(RBFNN)算法预测船用铅酸蓄电池SOC的方法。并利用某型船用铅酸蓄电池的实验数据,对其SOC进行了预测。结果表明:利用该算法预测船用铅酸蓄电池的SOC,精度高,操作简便。     

基于模糊控制的铅酸蓄电池SOC预测方法研究

研究铅酸蓄电池荷电状态(SOC)的预测方法,是合理地对铅酸蓄电池进行充电和放电的关键。采用一种智能控制方法,即模糊控制法对铅酸蓄电池的SOC进行预测及Matlab仿真。根据同一情况下的实验数据对模糊预测模型的参数进行了调整。验证了模糊预测模型的合理性和精确性。     

基于多因素的储能系统剩余电量估计方法

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。     

电动汽车动力电池SOC预测技术研究

电动汽车的电池管理系统需要一个精确和可靠的电池荷电状态 (SOC)预测器。由于铅酸蓄电池真实的SOC受许多因素如电池温度、充放电次数、电池老化等因素的影响 ,传统的SOC预测技术很难达到理想的效果。描述了一种闭环模糊推理方法在铅酸蓄电池SOC预测技术方面的应用。其中 ,闭环反馈环节采用了一个经验公式来调节铅酸蓄电池SOC的预测值。重新定义了一种容易从放电曲线中获得的电池内阻 ,利用这个电池内阻值可以很容易地把不同工况下的电池端电压等效到一个固定工况下的端电压 ,从而可以简化模糊规则的设计。经仿真证明这种方法能够获得蓄电池精确和可靠的SOC预测值     

基于粒子群的模糊神经网络铅酸蓄电池SOC估计

研究估计变电站阀控式铅酸蓄电池荷电状态(SOC)的方法。采用模糊神经网络对蓄电池的荷电状态预测建立模型,然后利用粒子群算法对网络中的连接权值、隶属度函数进行优化,用蓄电池在不同倍率下的充放电实验数据训练网络,根据训练好的网络模型对蓄电池SOC进行了预测,最后将预测结果与传统模糊神经网络预测结果进行对比。结果表明:该方案达到了对蓄电池荷电状态准确预测的目的,且预测误差小,具有良好的实用性。     

磷酸铁锂电池倍率容量特性建模及荷电状态估算

针对磷酸铁锂蓄电池,首先采用解析型动力学电池模型(KBM)对电池的倍率容量特性进行描述,进而推导出双井荷电状态(SOC)的数学表达式;为建立SOC与电池电压的联系,进一步将KBM与电动势模型相结合形成综合模型;最后,基于该综合模型及非线性滤波算法实现SOC估算。实验结果表明,该模型可以体现锂电池的倍率容量特性及可用容量恢复特性,双井SOC估算结果可更全面地体现锂电池的SOC;此外,这种基于非线性滤波的SOC估算策略还具备初始误差自校正能力。     

基于DSP的双闭环控制动力电池组充电机设计

针对动力电池内阻极小且具有反电动势的特点,设计了单相电流型PWM整流器为主电路的充电机,选择TMS320F28335 DSP作为控制平台,采用准PR控制器的直接电流控制策略和PI控制器,实现充电机单位功率因数运行和充电电流的稳定输出。充电系统可根据动力电池组SOC输出可变的充电电流以延长动力电池的寿命。设计充电机样机并进行了磷酸铁锂动力电池组充电试验。试验结果表明系统具有良好性能,验证了方案的可行性。     

基于DAUKF的锂电池SOC值和SOH值的估算研究

为提高锂离子电池荷电状态(state of charge,SOC)值和健康状态(state of health,SOH)值的估算精度,基于二阶戴维南等效电池模型,提出双自适应无迹卡尔曼滤波(double adaptive unscented Kalman filter,DAUKF)算法。通过AUKF1和AUKF2这2个滤波器,可以同时计算出电池的SOC值和电池内阻,内阻既可以更新电池的模型参数,又可依靠函数关系,估算出电池的SOH值。仿真结果表明,DAUKF能够准确估算出SOC值和SOH值,精度保持在2%以内,由此验证了该方法的可行性和精确性。     

新能源汽车SOC估算的模糊预测算法研究

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。     

电动汽车SOC估计方法原理与应用

SOC估计是电动汽车电池管理系统的重要功能.研究人员为了提高电动汽车电池SOC估计的准确性做了大量研究工作,采用的主要方法有:放电实验法、Ah计量法、开路电压法、负载电压法、内阻法、线性模型法、神经网络法和卡尔曼滤波法.讨论了电池SOC定义;介绍了各种SOC估计方法的原理及应用中存在的优缺点;分析了充放电倍率、温度、自放电、老化等因素对SOC的影响;评价了各种SOC估计方法.     

修正RC模型混合动力车用氢镍蓄电池SOC预测

根据混合动力汽车动力蓄电池瞬时脉冲大电流充放电工作特点,提出了一种能够实时动态估计氢镍蓄电池SOC的新方法。结合蓄电池当前状态和历史使用因素共同确定蓄电池初始SOC,并利用修正的RC模型,通过合理分配权值综合运用电量累计法和开路电压法进行蓄电池的SOC预测,电量累计考虑充放电效率和寿命因素影响,开路电压利用卡尔曼滤波法求解。最后,通过台驾试验验证算法的准确性,结果表明,SOC预测误差可控制在6%以内,满足混合动力汽车工作要求。