基于卡尔曼滤波的锂电池SOC估算

针对卡尔曼滤波估算电池SOC中存在精度不高、忽略实际环境噪声等问题,文章提出了一种基于卡尔曼滤波法来估算电池SOC。建立电池的一阶戴维南模型,基于卡尔曼滤波法对系统模型的非线性函数做一阶泰勒级数展开,得到线性化的方程,同时将噪声加入方程,最后通过实验验证了该方法的有效性。     

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。     

双扩展卡尔曼滤波法估计锂电池组SOC与SOH

荷电状态(SOC)和健康状态(SOH)是电池管理系统(BMS)中的两个关键指标,为了实现SOC和SOH的准确估计,以24A·h/3.3V磷酸铁锂电池组为研究对象,建立2阶RC等效电路模型,采用双扩展卡尔曼滤波算法(DEKF)对SOC和电池模型参数进行在线估计,选取内阻作为SOH的表征量,实现锂电池组SOH估计研究。通过动态压力测试工况(DST)实验表明,所提出的DEKF算法具有较好的收敛性和适应性,能准确估算锂电池SOC与SOH。     

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。     

基于三参数容量衰减模型的锂离子电池容量估计

为了准确估计电动汽车所配备的锂离子动力电池的当前可用容量,提出一种基于三参数容量衰减模型的电池单体容量估计方法。利用公开的NASA电池数据集获取锂离子电池的容量退化数据,并用三参数容量衰减模型进行拟合以获得初始模型参数。由于实车使用场景的变化会造成模型参数产生失配,因此,基于扩展卡尔曼滤波定期更新模型参数以实现容量的准确估计。容量估计结果表明,经过模型参数更新,容量估计误差总体保持在5%以内。     

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%。     

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。     

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。     

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。     

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。     

锂离子电池失效研究

锂离子电池是电池产品市场中的重要组成部分,针对锂离子电池失效问题的引致原因展开全面系统研究,并且制定和运用合理有效的技术处置策略,能支持锂离子电池充分满足各类使用者的基本需求。文章围绕锂离子电池失效问题展开简要阐释。     

动力锂离子电池二次生命周期商业运营模式

通过研究新能源汽车用锂离子电池的二次生命周期,分析其再次利用为储能装置的可行性,旨在降低动力电池全生命周期成本,推动新能源汽车市场的发展。针对锂离子电池性能研究,估计电池成本和新能源汽车总量,预测未来可供使用的二次电池总量。考虑可再生能源并网,研究储能装置在电力系统中的应用,探讨了锂离子电池用于电网调峰调频的可行性。通过对比锂离子电池二手市场不同参与者的利益点,根据各个时期电池拥有者的不同,得到了可行的商业模式,确立了锂离子电池二手市场竞争环境。     

我国车用锂离子动力电池技术获重大进步

在"十二五"国家863计划支持下,"高能量锂离子电池系统和电池组技术开发"项目取得重大进步。项目以研制磷酸铁锂正极材料的高能量型锂离子电池为目标,开展了锂离子电池原材料和电池单     

基于卡尔曼滤波的汽车航迹推算定位系统研究

为了解决卫星定位系统在信号盲区的汽车定位及航迹服务,利用融合多级卡尔曼滤波算法,开展GPS/DR转换算法的研究。建立了基于卡尔曼滤波的汽车定位系统航迹推算算法,搭建了全球卫星定位系统(GPS)和航迹推算(DR)系统相互配合的组合导航系统。通过MATLAB软件进行算法仿真分析,证明了该算法及系统可以实现车辆在丢失GPS信号后短时间内仍然能够进行自主定位,并能对行驶轨迹进行分析处理。     

智能型锂离子电池充电模块的设计与实现

随着科技的进步和便携式设备的发展,人们对锂离子电池提出了更高的要求。本文分析锂离子电池的充电特点,设计了一款基于单片机控制的锂离子电池充电模块。此充电模块以单片机为控制部件,在充电过程中对锂离子电池进行信息实时采集并对采集到的数据进行处理,制定了相应的充电策略,从而实现了充电过程中对电池的保护功能。     

新能源汽车动力电池的散热方法研究

文章介绍了锂离子电池工作原理及其产热机理。对锂离子电池空气冷却、液体冷却、相变材料冷却和热管冷却4种散热方式进行详细阐述,并指出未来锂离子电池散热方式应该是多种方式相结合而形成的。     

基于作业工况和退役锂离子电池的电动拖拉机电源系统优化

针对电动拖拉机制造成本高的问题,提出一种基于作业工况和退役锂离子电池的电动拖拉机电源系统优化方法。采用分选后的退役锂离子电池单体对电动拖拉机电源系统进行参数匹配,对电池PNGV等效电路模型进行参数辨识后,基于作业工况和退役锂离子电池,以电动拖拉机经济性最优为目标设计目标函数,以电动拖拉机功率需求与续航时间要求制定约束条件,对电动拖拉机电源系统进行参数优化。以实例计算对优化结果进行试验验证,采用退役锂离子电池对电动拖拉机电源系统优化方案与新电池进行对比。结果表明：该参数匹配方法通过退役锂离子电源系统,可满足电动拖拉机使用需求,并降低电源系统成本。成组价格为新电池的29.4%,综合成本为新电池的36.9%,可为电动拖拉机退役锂离子电池电源系统设计提供参考。     

锂电池快充技术在电动车上的应用

本文介绍了锂离子电池的工作原理,分析了锂离子电池充放电特性及影响电池极化的因素,针对电动车用锂离子蓄电池的几种充电方法技术特性进行了总结归纳,对比分析几种快速充电方法的优缺点,得出以脉冲式充电方法作为锂离子蓄电池的充电方法是最适合推广的快充技术。     

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。     

一种锂离子电池的检测分选系统

基于目前锂离子电池检测分选的状况及组合电池需求的迅速增长,介绍了锂离子电池的检测分选系统,该系统实现了锂电池分选的可视化、自动化控制,提高了分选的效率和精度,分选出的锂离子电池无需其他检测,即可直接用于组合电池,这样既可保证产品质量,又可大大节省人力物力,具有一定的实用价值。