共查询到20条相似文献,搜索用时 437 毫秒
1.
2.
在研究与分析电池极化现象对电池状态(SOC)估算影响的基础上,提出一种扩展Kalman滤波(EKF)的算法对SOC进行估算,在Thevenin改进模型的基础上建立了电池的非线性状态空间方程,通过比较电池实际端电压和估算端电压的差值,修正安时积分法得到的SOC值,使得极化效应对SOC估算精度的影响大大减弱。仿真分析结果表明,此方法提高了电池SOC计算的精度。 相似文献
3.
4.
5.
电池健康状态SOH(state-of-health)和荷电状态SOC(state-of-charge)估计是电池管理系统的核心功能。目前,状态估计存在依赖大量历史数据以及单一状态估计适应性差的问题,因此提出一种基于DeepAR与特征选择的锂离子电池状态估计模型。首先,提取电池恒流充电过程中电压、温度及时间间隔数据,组成3组老化特征作为模型输入,用于估计SOH;然后,在估计SOC时考虑SOH估计值,消除了电池老化因素对SOC估算的负面影响;最后,在不同工况下的牛津电池数据集上进行实验验证,并与其他两种算法模型进行误差与收敛性对比。结果表明,所提模型在冷启动估计方面具有较强的优势,SOH和SOC估计精度较高。 相似文献
6.
介绍了首先区分 BMS 应用场景,然后根据数据中心、储能不同应用场景算法不一样的一种电池管理系统(BMS)算法。该算法在判断电池 SOC 与 SOH 时预先对电池状态进行判断,电池处于浮充、放电、充电还是开路状态下的 SOC 与 SOH 计算方法不一样。这种针对数据中心、储能应用场景特点开发的 BMS,其 SOC 和 SOH 精度大幅度提高。 相似文献
7.
8.
锂离子电池荷电状态(SOC)和健康状态(SOH)的精确估计对电动汽车稳定运行十分重要.以精确估计电池SOC和SOH为目标,提出了一种基于分数阶模型的协同估计算法.建立基于二阶RC电路模型的分数阶电池模型,采用自适应遗传算法(AGA)辨识模型参数,利用分数阶扩展卡尔曼滤波(FOEKF)算法估计SOC,并结合自适应无迹卡尔曼滤波(AUKF)算法估计SOH,迭代更新内阻与SOC进而实现SOC与SOH精确的协同估计.在城市道路循环工况(UDDS)下使用Matlab工具验证和对比了算法精度,平均误差均控制在2%以内.结果表明,该协同估计算法能够精确估计电池SOC和SOH,为电池状态估计提供了一种方法. 相似文献
9.
10.
电池荷电状态(state of charge,SOC)的预测是电动汽车电池管理系统的关键任务之一,为此对锂电池荷电状态的预测进行了研究,提出了一种基于QPSO-BP神经网络的锂电池SOC预测.在分析了磷酸铁锂(LiFePO4)电池充放电机理后,运用MATLAB人工神经网络工具箱建立基于量子微粒群算法(QPSO)的BP(back propagation)神经网络模型,用于预测锂离子电池充放电过程中的任一状态下的SOC.仿真实验验证了方法的准确性.结果表明,与现有的神经网络预测方法相比,基于QPSO-BP神经网络的锂电池SOC预测方法准确度高,且具备很好的实用性. 相似文献
11.
12.
针对电动汽车维持电池能量和补给能量2种行为,分别提出了电动汽车入网一次调频控制策略,即维持电池能量调频控制和电池计划充电调频控制。用椭圆函数构建电视荷电状态与充/放电下垂之间的函数关系,实现维持电池能量和频率下垂控制。根据用户充电需求和电池荷电状态,实时修正计划充电功率,满足用户充电需求。最后,在2区域互联电网模型上进行仿真实验,仿真结果验证了所提出控制策略的有效性。 相似文献
13.
基于神经网络的磷酸铁锂电池SOC预测研究 总被引:1,自引:0,他引:1
利用神经网络进行了电动汽车用的磷酸铁锂(LiFePO4)电池荷电状态(state of charge,SOC)预测研究。在分析磷酸铁锂电池充放电机理的基础上,采用levenberg-marquardt(LM)算法建立了磷酸铁锂电池的BP(back propagation)神经网络模型,并进行了电池SOC值的预测。结果表明,基于神经网络的电池SOC预测方法具有较高的精度,可用来预测磷酸铁锂电池的SOC值。 相似文献
14.
在电动汽车规模化应用之后,电动汽车换电站内在不同时段应该储备多少蓄电池方能满足电动汽车的换电需求,是一个需要解决的问题。给出了电动汽车换电充裕度的概念,建立了基于一定假设条件的车主用车习惯和充电管理策略的数学模型,分析了换电需求发生时刻的条件,由此得到不同时段的换电需求,即对应的储备电池的数量。应用Monte Carlo方法进行了仿真计算,得到了换电站内不同时段满足换电充裕度要求应该储备的蓄电池数量,并指出上述模型及方法可以进一步用于计算电动汽车入网技术(vehicleto grid,V2G)的蓄电池数量及研究充电时间、蓄电池容量、充电控制策略等因素对换电充裕度的影响。 相似文献
15.
16.
AbstractState of charge (SOC) is an important indicator for guiding the charging-discharging operation of lithium-ion batteries. In this article, the equivalent circuit model of lithium-ion battery and the variable forgetting factor (VFF) least squares model identification method are proposed. This parameter identification method can improve the accuracy of the lithium-ion battery model, thereby ensuring the accuracy of the SOC estimation. Furthermore, based on the lithium-ion battery model, the adaptive unscented Kalman filter (AUKF) algorithm is proposed to estimate SOC of lithium-ion batteries. Experimental results show that the AUKF algorithm is good robustness, fast convergence, practicality and small error in SOC estimation of lithium-ion batteries. In conclusion, the VFF least squares model identification method and the AUKF algorithm are promising engineering application method. 相似文献
17.
在不同荷电状态(SOC)下,研究磷酸铁锂(LiFePO4)锂离子电池对充放电电流的响应程度,确定几组响应最强烈的电流.将电池组在实际装车运行中该电流下的脉冲数据与电池管理系统中的数据对照,作为辅助方法对当前计算的SOC进行校正,然后采取合适的策略对电池组均衡.试验证明,电池组的容量提高了10%以上. 相似文献
18.
19.
20.
为了准确了解以蓄电池为动力的电动汽车所用电池的剩余电量,在分析目前一些电池剩余电量计算方法的基础上,提出了一种利用阻抗跟踪技术的单芯片监测电池剩余电量方案。在实际设计中采用了TI公司的bq20280芯片,它能够在电池整个寿命周期内以高达99%的精确度计算电池组的剩余电量。在电池组处于静止状态时,通过在相应的温度下关联电池组的空载电压和充电状态可以分析出准确的电荷状态。 相似文献