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4维Map图的镍氢电池SOC估计方法

针对现有镍氢电池荷电状态(SOC)估计方法因精确度太低或者对数据、模型参数要求太高而难以实用的问题,提出一种基于4维Map图的电池SOC估计方法.通过大量实验数据,建立镍氢电池SOC与温度、电流和端电压之间的基本Map图,发现在其工作区间20％≤YSOC≤80％内,不同电流、温度条件下的相邻充放电特性曲线基本相互平行.以SOC与端电压之间的关系为基础,分别在电流和温度方向上采用曲线平移的方式插值得到SOC与电流、温度、电压之间的4维Map图模型.利用试验数据进行SOC估计试验,试验结果表明,利用4维Map图模型的SOC估计误差在3％以内,基于4维Map图的镍氢电池SOC估计方法能满足电动汽车电池SOC估计在精确度和易实现性上的要求.     

VRLA电池SOC估算的改进方法

对VRLA电池的荷电状态(state of charge,SOC)进行估算是蓄电池能量管理的前提。考虑蓄电池充放电电流、工作温度和充放电循环次数等因素影响估算电池SOC的准确度,对传统的能量法进行了修正;通过在电池电压恢复特性曲线基础上建立开路电压预测模型,提取电池E-SOC关系曲线,用于电动势法在线估算;分析两种估算SOC方法的特点,提出了改进的能量-电动势法SOC在线估算的改进方法,从而达到各取所长,优势互补的效果。实验结果表明改进的能量-电动势法SOC估算方法简单实用、准确度高。     

基于BP神经网络的SOC估计及铅酸蓄电池特性

蓄电池特性是影响电动汽车充电时间和续驶里程的主要因素,针对应用较普遍的铅酸蓄电池展开研究具有重要意义。基于阻容等效电路建立了铅酸蓄电池充放电模型,通过不同倍率的充放电实验获得了模型参数与电池荷电状态(SOC)的关系式。采用BP型神经网络模型对铅酸蓄电池SOC进行估计,在Matlab环境下基于SOC神经网络模型对铅酸蓄电池充放电过程进行仿真研究。仿真结果表明铅酸蓄电池模型可以真实地模拟充放电特性,仿真结果与实验结果的平均误差为2.5%。     

纯电动汽车电池管理系统及SOC精确估计

基于阀控式密闭铅酸蓄电池,设计了一套纯电动汽车电池管理系统。依据Randles二阶等效电池模型,应用扩展卡尔曼滤波算法,对电池荷电状态(SOC)进行估计,并将估算结果与传统的安时积分和开路电压结合算法进行比较分析,经实验与仿真验证,此法对预测SOC值有较高的精确度和可靠性。     

人工神经网络和安时法电池SOC估计

结合安时法估算电池SOC,用BP神经网络估计公式中需要的参数。电池的初始SOC用开路电压法获得,库仑效率的变化可以在估计电池电容时得到体现,其值设定为1,用循环次数和SOC值对电池充放电效率进行网络估计。用温度和电池的平均放电电流对电池电容进行网络估计。通过实验和估计得出在20℃下,新方法的误差在2.89%左右,-20℃下误差在3.25%左右,误差范围满足应用的需要。     

基于多维线性插值的锂离子电池SOC估算研究

锂离子电池荷电状态(SOC)的准确估算是电动汽车稳定、高效、安全运行的基础。研究了锂离子电池恒流充放电特性和极化效应;分析了锂离子电池在恒流充放电工况下的端电压、电流、SOC之间的关系特性;提出了基于多维线性插值的锂离子电池SOC估算算法。通过模型仿真和台架试验,验证了多维线性插值SOC估算算法的精度和适用性。实验结果表明,多维线性插值SOC估算算法具有较高的精度和普遍的适用性,在电动汽车实时工况下具有很好的应用价值。     

基于LabVIEW的动力电池SOC实时估算系统研发

在电动汽车能量管理控制策略和电池管理系统研究中,电池荷电状态(State of charge,SOC)的准确估算一直是重点和难点。基于磷酸铁锂动力电池的工作原理和充放电特性试验,利用MATLAB软件拟合获得不同放电电流下的库仑效率和开路电压与SOC的关系。并采用虚拟仪器LabVIEW与相关硬件,实时采集动力电池相关数据,将SOC估算的安时法与开路电压法相结合,实现了对动力电池SOC的实时估算与高精度显示,提高了电池SOC研发系统的实用性与准确性。     

基于开路电压法的磷酸铁锂电池SOC估算研究

为了提高磷酸铁锂电池的安全性和使用寿命,需要对电池中最重要的参数——荷电状态(state of charge, SOC)进行有效的估算。因此,对电池SOC的估算方法进行研究,通过一种精简的开路电压法可以快速并相对准确地估算磷酸铁锂电池的SOC,相关充放电实验确定了开路电压与电池SOC的对应关系,并分别选用静置前后的开路电压对电池的SOC进行估算。结果表明在磷酸铁锂电池出色的性能基础上,这种简单快捷的开路电压法可以精确地估算其电池的SOC。     

一种分阶段锂离子电池荷电状态估计算法

为了解决安时积分法无法估计电池荷电状态(SOC)初值以及在电池充放电后期估计误差明显增大的问题,基于纯电动物流车平台提出了分阶段处理思想。根据电池系统的工作状态,将估计过程分为启动初期、充放电中期和充放电后期。在启动初期和充放电中期,结合开路电压法与安时积分法来估计电池组SOC,并对安时积分公式中的相关参数进行修正。在充放电后期,应用充放电曲线修正充放电后期SOC,对安时积分法估计SOC的不足进行补偿。搭建了锂离子电池组充放电测试平台,并进行了电池组放电实验。结果表明,SOC估计误差在4%以内,并能够满足电池管理系统优化控制的应用需求。     

基于Buck-Boost电路的能量转移型均衡方案

提出了一种基于Buck-Boost电路的新型均衡电路,实现了锂离子串联电池组充放电均衡。根据均衡能量流向,采取两种不同的均衡策略:电池组放电时,均衡能量由电池组向组内荷电状态(state of charge,SOC)较低的单体电池转移;电池组充电时,均衡能量由电池组中SOC较高的单体电池向电池组转移。以单体电池开路电压在线估计为基础,运用开路电压法估算SOC,选取SOC值在一定阈值范围之外的单体电池作为均衡对象,对6节串联的磷酸铁锂电池进行了充放电均衡实验。实验结果表明,该方案可以有效减小单体电池间的不一致性,提升电池组的整体性,同时提高了电池组充放电容量。     

基于耦合绕组的锂电池组主动均衡方案研究

针对锂电池组在充放电过程中出现能量不一致的问题,采用传统的Buck-Boost均衡电路和Flyback均衡电路的均衡方法,提出一种可减小电路尺寸、提高均衡速度和均衡效率的基于耦合绕组的新型主动均衡电路.通过对耦合绕组的选择性充放电,会有三种不同的工作模式来实现单体之间的能量转移,并调节PWM驱动信号占空比来提高均衡器的...     

实用型磷酸铁锂电池SOC高准度算法研究

分析了常用动力电池SOC(State of charge)算法在同时保证实用性和准确度两方面的局限性,并利用开路电压(VOC,Voltage of charge)和电池等效电路模型相结合的方法,提出了一种既能保证准确度又具有实用价值的算法.以某公司生产的磷酸铁锂电池为对象进行了电池特性试验,通过大量试验数据综合和计算得...     

基于优化的Thevenin模型的镍氢电池仿真

针对镍氢动力电池开路电压的动态滞回特性,在Thevenin仿真模型的基础上对开路电压的选取进行优化,仿真模型主要优化开路电压与历史充放电方向的关系。对镍氢电池进行混合脉冲功率特性测试(HPPC),用递推最小二乘法对模型参数进行系统辨识,用Simulink搭建电池Thevenin经典模型及优化模型,用变电流对模型进行仿真分析。仿真结果表明:优化模型输出平均电压误差10 mV,对于电动汽车的实际工况而言,优化模型更能体现电池特性。     

基于模糊控制的锂离子电池恒定极化充电方法

极化是影响锂离子电池快速充电效率的主要因素。基于传统的RC电路模型模拟锂离子电池的充电过程,对充电电流、初始SOC、初始极化状态、循环使用寿命等方面进行了分析,建立了极化电压与SOC的关系模型,因此可以估算锂离子电池的极化电压。在此研究基础之上,利用模糊控制算法控制充电极化电压来优化电池的快速充电,使充电电流能随时适应锂离子电池的SOC可接受的充电电流。通过实验对比表明,提出的恒定极化充电方法与传统的恒流恒压方法相比,能明显缩短充电时间约20%,进而提高充电效率,并且没有明显温度上升。     

蓄电池充放电管理的全过程仿真研究

为了实现蓄电池不同充放电控制策略之间的切换,提出了一种基于蓄电池荷电状态(state of charge,SOC)实时监测的蓄电池充放电管理的控制方法。在考虑蓄电池的动态数学模型基础上,研究了蓄电池的SOC监测、充放电特性曲线、充放电控制电路、充放电管理策略和电池的分组管理等问题。以蓄电池的SOC作为蓄电池充、放电判断条件,实现了蓄电池进行自主充、放电管理的控制策略。利用PSCAD/EMTDC仿真软件,通过算例系统验证了蓄电池模型和充放电控制方法的正确性和有效性。研究表明,通过合理的蓄电池充、放电管理及切换,实现蓄电池充放电全过程,为蓄电池组无论作为独立电源还是在微网孤岛模式下与其他间歇性能源相配合使用均提供了一定的理论参考。     

基于改进EKF算法的锂离子电池SOC估算方法

针对锂离子电池在变电流放电过程中荷电状态SOC(state of charge)估算精度的问题,提出了一种基于改进扩展卡尔曼滤波EKF(extended Kalman filter)算法的新估算方法。首先,通过放电实验和混合脉冲功率特性HPPC(hybrid pulsepower characteristic)实验,分析计算了等效电路模型参数;然后,利用该方法获得了该模型参数与放电倍率和SOC之间的关系,提出了一种估算SOC时在线修正开路电压和欧姆内阻的新原理和方法;最后,通过变电流放电的SOC估算结果,验证了该改进算法的可行性与有效性,从而解决了锂离子电池在复杂工况下估算精度不足的问题。     

Online collaborative estimation technology for SOC and SOH of frequency regulation of a lead-carbon battery in a power system with a high proportion of renewable energy

In this paper, a collaborative online algorithm is proposed to estimate the state of charge (SOC) and state of health (SOH) of lead-carbon batteries that participate in frequency regulation of a power system with a high proportion of renewable energy. The algorithm addresses the inaccurate estimation of energy storage battery states caused by continuous and alternating charging and discharging over a short period. Analysis of lead-carbon battery chemistry and materials reveals that the resistance of the diaphragm is the most influential factor in battery aging. In addition, the hysteresis characteristics of an energy storage battery vary significantly between the charging and discharging stages. A second-order RC equivalent circuit model is proposed that considers the contact and diaphragm resistances, and hysteresis characteristics. Based on this, models for constant current charging interaction, constant voltage charging interaction, and dynamic discharging interaction are developed. The adaptive forgetting factor recursive leassquare (AFF-RLS) method is used to identify the parameters of the interactive models. Then an interactive multiple model with the embedded unscented Kalmanfilter (UKF) is used to estimate the SOC of the energy storage battery. The membrane and contact resistances identified by the interactive multi-model (IMM) are used to estimate the SOH, and online collaborative optimization of the SOC and SOH is achieved. The error of the proposed SOC estimation method is experimentally verified to be within 2%, which is less than 5% of the standard value, and the error of SOH estimation is within 0.5%, demonstrating the high accuracy of the proposed method.     

一种基于Cuk斩波电路的双向双层桥臂的蓄电池组均衡器的研究

为了快速有效地实现串联锂离子单体电池间的能量均衡,提出了一种基于Cuk斩波电路的双向双层桥臂的蓄电池组均衡器。此均衡器根据电池组的充放电状态采取两种不同的均衡策略:当电池组处于充电状态时,电池组中具有最高荷电状态的单体电池通过Cuk斩波电路被快速均衡放电;当电池组处于放电或静置状态时,电池组中具有最低荷电状态的单体电池通过Cuk斩波电路被快速均衡充电。均衡器拓扑电路原理简单、均衡电流连续、均衡电流可控性强、均衡效率高。最后对此均衡器进行了仿真实验,证明了此方案的可行性。     

Battery Management System Used in Electric Vehicles

A battery management system(BMS) which contains state of charge(SOC) determination,battery charging control and its optimization,and cell balancing is proposed.Thevenin’s model having a RC network characterizing the battery polarization is used for SOC determination.The polarization voltage of the battery model is identified using the nonlinear least square technique.The paper presents a new SOC definition method considering the SOC limit of each cell for battery pack in series.The relationship between the battery current and polarization voltage is analyzed.And then the battery charging approach that the charging current can be adaptively adjusted by the polarization voltage control system is investigated based on fuzzy logic control theory.Cell balancing control strategy is also proposed based on the principle of the maximum use for the capacity and energy of the battery pack.