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。     

基于BP神经网络的锂电池组SOC估算

电池荷电状态(SOC)的精确估计是电动车辆的核心技术之一,对影响电池荷电状态的因素进行分析归纳后,采用经典反向传播神经网络(BP神经网络)算法的动力电池SOC估计方法。利用高级车辆仿真软件ADVISOR对电动汽车典型行驶工况进行模拟,得到动力电池组电压、电流、平均温度和荷电状态数据,样本数据经归一化处理后导入神经网络模型中训练和测试,结果表明,该算法能有效提高SOC估算精度,具有较好的收敛性和鲁棒性,SOC估计误差范围能减小到4%以内,满足实际应用的需求。     

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。     

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。     

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。     

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。     

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。     

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%。     

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...     

串联混合动力公交车电池管理系统设计

分析了串联混合动力公交车电池管理系统的主要功能,设计了基于CAN总线和LIN总线的两级分布式电池管理系统。详细叙述了该管理系统的结构、硬件配置及其控制功能的软件实现。运行结果证明,该系统实现了数据监测及显示、CAN通讯、SOC预测、电池热管理和故障诊断及安全报警等功能,保证了电池的安全运行,提高了电池的性能和使用寿命。     

电动汽车用锂离子电池荷电状态的卡尔曼滤波算法

在考虑电动汽车蓄电池在使用过程表现的高度非线性基础上,分析了影响电池荷电状态的主要因素及其处理方法,建立了改进的二阶线性化电路模型,采用KALMAN滤波法与安时计量法的组合算法来精确估算电池荷电状态,通过Matlab/Simulink仿真,验证该方法的可行性及准确性。     

混合动力汽车动力电池容量特性

针对混合动力汽车动力电池的特点，运用计算机软硬件设备构成测试系统，利用较易实现的电流积分方法来预估电量状态参数SOC，并进行了电池的实际容量特性试验，对电池电压、电流及温度进行了数据采集和监测。结果表明，利用该方法可得到较满意的电池电量状态参数估计。     

混合动力汽车电驱动系统设计与仿真研究

电驱动系统是混合动力汽车的动力源.对串联式混合动力电动汽车的电驱动系统进行了结构分析和部件设计,在分析其工作模式的基础上,确定了峰值电源最大荷电状态的控制策略,基于Matlab软件对该电驱动系统建立了仿真模型.仿真试验分析表明,该控制策略将循环通过电动机和峰值电源的部分发动机能量最小化,从而减少发动机能量传递的损耗.建立的模型是合理有效的,为混合动力汽车整车的动力性、经济性等提供了仿真平台.     

串联蓄电池智能充电系统

采用专家系统控制策略,对蓄电池的充电方式进行有效的管理,可对蓄电池进行串联,进行常速、快速等方式的充电,使蓄电池的使用寿命、充电速度和容量明显提高。在串联充电过程中加入均衡器,能有效防止过充电。用微机及单片机系统构成一个智能充电管理器,对蓄电池组的充电过程进行实时检测和控制。     

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Robot框架的电池管理系统自动化测试的研究

随着动力电池在汽车领域的发展与广泛应用,对电池管理系统的研究和测试也越来越重要。在面对众多电池管理系统的硬件在环测试环节中,为节约人工测试的繁琐,介绍了Robot框架。首先分析自动化测试流程,然后运用Python脚本建立关键字驱动的测试库,在Robot编辑器中编写测试用例,最后对项目中的电池管理系统继电器上下电控制策略设计。在使用硬件在环技术的基础上,实现继电器自动化测试,验证了自动化测试的研究取得的成效,并展现出自动化测试的优势,对工程应用具有一定的参考价值。     

电动汽车动力电池智能充电频率的研究

为满足电动汽车日益发展的需要,其动力能源—蓄电池的充电技术必须能够实现快速、高效、无损的充电,采用变电流最优频率控制的脉冲充电方法,实现电动汽车动力蓄电池的智能充电。针对最优频率做了交流阻抗的实验,再现脉冲充电过程蓄电池阻抗—频率关系,实现蓄电池的内部阻抗在充电过程中与充电系统的输出阻抗匹配,找到电动汽车动力电池充电过程阻抗最小对应的频率段,即:脉冲充电过程的最优频率段,为脉冲充电过程的频率控制提供基本策略。