基于无迹卡尔曼滤波的并联型电池系统SOC估计研究

为准确估计由多个电池单体构成的并联型电池系统的荷电状态(SOC),以SOC与电池极化电压为系统状态变量,提出基于无迹卡尔曼滤波法的并联型电池系统荷电状态估计算法,建立电池系统SOC估计平台,在恒流和脉冲两种工况下,通过UKF算法与EKF算法的对比分析,证明了采用UKF算法进行并联型电池系统SOC估计的结果更准确、鲁棒性更强。     

电动汽车电池管理系统SOC估计方法分析

电动汽车电池管理系统是对车用动力电池组进行安全监控及有效管理,提高电池使用效率的装置。电池的荷电状态(SOC)是电池状态分析的核心问题,准确估计SOC是电池管理系统最为重要的功能之一。本文综述了锂离子电池SOC估计模型,分析了目前主流的电池SOC估计方法,并对未来SOC研究方向进行了探讨。     

锂电池分数阶等效电路模型的对比研究

为了分析模型误差对电池荷电状态估计的影响,以某三元锂电池为研究对象,对分数阶与整数阶的电池等效电路模型进行了比较分析。运用粒子群算法对模型进行参数辨识,进一步利用分数阶卡尔曼滤波算法实现电池的SOC估计,并与基于整数阶电池模型的SOC估计进行比较。实验结果表明,分数阶电池模型相较于整数阶模型具有更高的精度。     

电池管理系统荷电状态估算策略的设计

以电池管理系统荷电状态为研究对象,主要侧重于设计电池工作过程中真实、显示SOC的估算策略。在估算策略的设计过程中,充分考虑了影响电池管理系统荷电状态的因素。在荷电状态估算算法上采用了安时积分法结合开路电压法,对电池真实SOC进行估算,并增加了小电流修正环节,最后通过Simulink建立电池管理系统荷电状态估算策略模型。     

基于神经网络的电动汽车SOC预测研究

电动汽车荷电状态(SOC)直接影响着车辆的续驶里程,是电动汽车综合性能中最为重要的参数之一。由于影响荷电状态的因素众多,而且车辆行驶工况复杂多变,难以构建精确的数学模型用于分析荷电状态变化规律。本文利用神经网络构建电动汽车SOC预测模型,并将影响SOC行车状态时的变化因素电池组电压以及车速作为重要参数输入模型对下一时刻的SOC参数变化进行预测,通过大量实验数据分析拟合计算表明本文建立的电动汽车SOC预测模型精度较高,能够用于SOC的预测分析,并为电动汽车提升综合性能提供参考意见。     

ISAD混合动力汽车蓄电池SOC估算方法的研究

蓄电池荷电状态SOC(State of Charge)是电池使用过程中的重要参数。为了能够精确地预测蓄电池剩余电量,本文在对3种SOC基本估算方法分析和比较的基础上,采用了一种新的以蓄电池端电压和内阻为参数进行估计的方法,并按此种方法进行了蓄电池放电试验。试验结果表明这种算法在SOC小于0.45时计算精确,能用来预测混合动力汽车蓄电池剩余电量。     

混合动力镍氢电池荷电状态估计

针对混合动力镍氢电池,研究它的原理和特性,并选用Thevenin模型建立该电池的动态数学模型。考虑充放电效率(充放电倍率和温度)对电池荷电状态(SOC)的影响,在MATLAB软件里利用编程功能编写改进的无迹卡尔曼滤波(UKS)算法估算电池SOC的程序,再采用UDC工况实验对SOC进行仿真分析和验证。结果表明:UKS算法适用于估算混合动力汽车镍氢电池的SOC,而且比EKS算法具有更高的估算精度。     

基于BP神经元网络的锂电池温度预测

针对锂电池温度预测困难、精确度差等问题,研究小组提出一种基于神经网络的锂电池温度预测方法.首先通过锂电池温升特性实验平台对锂电池放电过程的热力学特性展开研究,通过分析选取SOC(电池荷电状态)、放电电流、环境温度等特征参量为输入参数,结合BP神经网络算法,搭建了基于实验与BP神经网络的电池表面温度快速预测模型,采用未参...     

基于在线参数辨识和EKF的锂电池SOC估算

为了准确估算锂电池的剩余荷电状态(State of Charge,SOC),在2阶RC等效电路模型基础上,采用带遗忘因子递推最小二乘法(Forgetting Factor Recursive Least Square,FFRLS)对电池模型进行在线参数辨识,提高模型精度,联合扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)对锂电池的SOC进行估算。在MATLAB环境下进行模拟仿真,仿真结果表明:FFRLS算法辨识后电池模型得仿真电压与实际电压得最大误差为0.029,平均误差约为0.0006,联合EKF对SOC的估算误差在绝对值3%以内,其中最大误差绝对值为2.6%。     

大数据在电动汽车电池管理的应用研究综述

梳理并分析了大数据视角下国内外对电池管理系统(Battery Management System, BMS)中荷电状态(State of Charge, SOC)估计、健康状态(State of Health, SOH)评估、故障诊断,续行驶里程预测的各种研究方法,总结了当前存在的问题并展望未来研究方向,为相关研究提供参考。     

电动汽车远程监控平台的电池SOC估算

为充分发挥远程监控平台的监控和故障预警作用,针对电动汽车动力电池荷电状态(State OfCharge,SOC)精准估算对汽车控制和安全运行的重要性,利用车辆上传监控平台的运行数据进行SOC估算研究.通过减聚类算法计算隐层中心数,用量子粒子群(Quantum Particle Swarm Optimization,QP...     

基于扩展卡尔曼滤波的锂电池SOC估计

锂电池荷电状态用来描述电池剩余电量的多少,是电池管理系统中的核心参数。电池循环次数、瞬间大电流以及温度等因素都会使电池特性发生变化。针对动力电池这一动态非线性系统,在二阶RC电池等效模型中增加了表征温度效应的等效电阻,提出了一种基于扩展卡尔曼滤波的锂电池荷电状态估计算法。该算法通过构建状态方程和量测方程,经历预测、修正和估算3阶段,实现了对锂电池的荷电状态的估算。     

基于储能型开关升压变换器的光伏发电系统的能量管理

通过对储能型开关升压变换器电路进行分析,提出一种根据储能电池的荷电状态(state of charge,SOC)和负载状态来实现光伏发电系统能量管理的策略。即,通过负载功率,光伏电池最大功率点和储能电池SOC值来确定系统的工作情况。根据负载所需功率大小,控制储能电池采取不同的充放电控制策略,通过仿真验证所提出方法的有效性,结果表明此控制策略能够较好地实现光伏储能发电系统的能量管理。     

基于电池状态的车载铅酸电池输出在线控制方法

针对车载铅酸电池长时间以较大电流放电导致蓄电池实际容量快速下降,造成寿命短的问题,提出了一种基于电池状态的车载铅酸电池输出在线控制方法。首先通过实验建立放电过程蓄电池当量电阻和SOC(State of charge,荷电状态)之间的关系,进而得到蓄电池放电电流和输出功率之间的关系;接着通过实验建立蓄电池SOH(State of health,健康状态)、放电电流以及充放电循环次数之间的关系,进而得到每个阶段考虑寿命的最大放电电流计算方法;最后通过仿真实验验证,该控制方法能延长车载铅酸电池寿命。     

三种常用动力锂电池模型分析与比较

为了获得更优的用于电动汽车荷电状态(SOC)估计的动力锂电池模型,分别针对美国新一代汽车合作伙伴计划(PNGV)模型、Thevenin模型、Universal模型三种常用的适合于锂电池SOC估计的非线性模型在特定放电工况下利用matlab/simulink进行建模、参数辨识和仿真,依据实验结果分析比较其模型精确度、响应特性以及应用可行性。最终综合比较得出PNGV模型精度更高、鲁棒性强,也更加适合实践应用的结论。     

GRU网络在电动汽车SOC估算中的应用

准确估算电池充电状态(SOC)对于电动汽车安全有效地利用能源具有重要意义。考虑到电池充放电过程的数据可作为时间序列数据,本文探讨了GRU神经网络在电池SOC估算中的应用。GRU网络输入为电池电压、电流,输出为电池SOC。仿真结果表明,GRU网络能够很好地捕获SOC与可测信号之间的非线性关系,SOC估算均方根误差在3%内,平均绝对误差在2%内,对估算电池SOC具有良好的估算效果。     

基于电化学阻抗谱的锂离子电池内部温度估算研究

针对电动汽车用动力电池组中单体电池内部温度估算精度不高,容易造成热失控起火等安全问题,提出一种基于电化学阻抗谱特征量的锂离子电池内部温度在线估算方法。首先以不同SOH(State of Health,健康状态)及SOC(State of Charge,荷电状态)下三元锂离子单体电池作为研究对象,使用电化学工作站在不同环境温度下对其进行EIS(Electrochemical Impedance Spectroscopy,电化学阻抗谱)试验,在0.01~10 000 Hz的激振频率范围内分析相移值曲线的分布规律,结果表明:在10~800 Hz的特定频率区间内,相移值曲线不受电池SOC及SOH干扰,且相移绝对值与电池内部温度存在良好的映射关系,进而确定了温度与相移值之间的唯一函数关系表达式,得到了电动汽车用三元锂离子电池内部温度在线估算方法。     

基于自适应容积卡尔曼滤波的车辆状态参数估计与仿真分析

针对车辆状态参数估计时量测噪音对估计精度的影响,为了提高车辆状态参数估计的可靠性,设计了一种自适应容积卡尔曼滤波的车辆状态估计算法。建立非线性三自由度动力学车辆模型,以车辆方向盘转角与车辆纵向加速度为输入参数,以车辆侧向加速度为观测参数,实现对车辆横摆角速度、质心侧偏角、纵向速度的估计,最后采用CarSim/Simulink联合仿真平台搭建不同工况进行验证。仿真证明,自适应容积卡尔曼滤波算法(ACKF)对车辆状态估计比拓展卡尔曼滤波算法(EKF)有更好的收敛特性和估计精度。     

对目前汽车实训中心蓄电池的管理与维护分析

随着世界经济发展,电动车在世界汽车行业中占据着越来越重要的地位,蓄电池在电动车的运行中具有至关重要的作用。电动车动力蓄电池的性能和能量管理系统,对于整个电动车行业来说,具有十分深远的影响。电池荷电状态是电池管理系统中非常重要的一个功能。动力蓄电池能够可靠运行或者电动汽车的动力能够稳定输出,最重要的就是事先进行电池荷电状态估计。本文主要对目前汽车实训中心蓄电池的管理与维护进行详细分析,从而找到有效的解决办法。     

基于混合储能系统的插电式混合动力汽车能量管理策略优化研究

针对基于混合储能系统的插电式混合动力汽车在SOC维持阶段的能量管理策略优化问题,以最佳燃油经济性为目标,设计了基于实值遗传算法的控制参数优化方法,得到了发动机工作转矩、电池电流分配系数、纯电行驶最高车速及电池SOC工作范围的最优控制参数。仿真结果表明,设计的能量管理策略控制参数优化方法能在维持SOC平衡的前提下有效提高车辆的燃油经济性,且有利于电池充放电性能和使用寿命的提升。