基于自适应卡尔曼滤波的锂离子电池SOC估计

采用自适应卡尔曼滤波方法,基于锂离子动力电池的等效电路模型,在未知干扰噪声环境下,在线估计电动汽车锂离子动力电池荷电状态(SOC)。仿真结果表明,采用自适应卡尔曼滤波方法估计的SOC误差小于2.4%,有效降低了电动汽车行驶时电池管理系统所受到的未知干扰噪声影响,SOC估计精度高于扩展卡尔曼方法,且具有较好的鲁棒性。     

Thermal Model for Square Lithium-ion Battery Pack

首先通过最小二乘法对方形锂离子电池组中单体电池的比热容、流道材料的导热系数和自然冷却条件下的综合换热系数进行了估计;然后根据热边界层理论确定了强制冷却条件下电池冷却流道表面局部综合换热系数的计算式;最后根据电池组的结构特点和冷却方式,建立了电池组的一维瞬态传热模型.该模型能根据电池组当前的环境温度、运行负荷、冷却强度和初始荷电状态实时预测电池组中各单体电池的运行温度.在Arbin试验台架上测量了144V/8A·h方形锂离子电池组在不同运行工况下单体电池的温度分布,并与模型仿真结果进行了对比,结果表明模型仿真的最大误差不超过1℃,满足混合动力系统性能仿真和电池组管理策略优化的精度要求.     

基于混沌时间序列LS-SVM的车用锂离子电池SOC预测研究

对锂离子电池动力学系统进行了非线性特性分析,并判别了其混沌特性。采用相空间重构技术恢复锂离子电池动力学系统原有的混沌特性,得到多维状态空间的时间序列,利用LS-SVM模型对重构后的时间序列进行预测,获得荷电状态(State of Charge,SOC)的预测值。仿真结果表明:与BP神经网络预测模型相比,该预测方法具有较高的预测精度和较好的适应性,对实际应用具有一定的指导意义。     

三元锂电池荷电状态估计的传感器误差影响CSCD

锂电池荷电状态(SOC)的准确估计是电池管理系统的关键技术,为了解析传感器误差对SOC估计精度的影响,以二阶RC等效电路模型为基础,运用遗传算法进行参数辨识,采用扩展Kalman滤波算法进行SOC估计,分析电压、电流传感器存在的漂移和白噪声对SOC估计的影响。结果表明:电压、电流传感器的漂移与SOC估计误差的均值近似呈线性关系,电压、电流传感器存在的白噪声对SOC估计误差的均值无影响;对于实验中的三元锂离子电池,若使SOC估计精度在5%以内,电压的偏差值应控制在10 m V以内、电流偏差值应在1/30 C以内。     

基于机器学习的锂离子电池荷电状态多步预测

先进电池管理技术依赖于对未来一段时间荷电状态变化的预测，难点在于误差积累和时间依赖性降低引起的预测精度下降。提出采用机器学习结合多步预测策略来提升荷电状态多步预测精度，利用实际锂电池数据研究了不同多步预测策略的效果。结果表明，实际锂电池荷电状态预测在充电过程中具有显著线性特性，放电过程表现出非线性特性。预测步长为 15个时，LR模型、KNN模型、RF模型的 MAPE均低于 6%，R2均大于 0.90。线性回归结合 MIMO策略具有最大的实际应用潜力。     

锂离子电池多因素动态生热率模型

为提高生热率模型的仿真精度,基于Bernardi生热率模型车用锂电池实际应用,提出建立多因素动态生热率模型。首先,综合考虑温度、荷电状态和充放电倍率对Bernardi生热率模型的参数动态影响;其次,利用实验数据建立融合多种影响因素的动态内阻和动态温熵系数的数学模型,将这两个数学模型代入Bernardi生热率模型构建多因素动态生热率模型;然后,开发该模型充电、放电和充放电循环3种工况的仿真程序并仿真电池的动态温度;最后,将电池温度的仿真值与实验值对比验证,结果表明所建立的动态生热率模型能够准确仿真电池在不同工况下的动态温度,其误差小于3.25℃。     

基于加权自适应递推最小二乘法与EKF的锂离子电池SOC估计

为了实现锂离子电池荷电状态(SOC)的精确估计,建立锂离子电池的二阶等效模型,提出基于加权自适应递推最小二乘法与扩展卡尔曼滤波(ARWEKF)的锂离子电池SOC估计方法。通过静态和动态工况下的仿真和试验进行验证,结果表明:ARWEKF算法的估计精度高于扩展卡尔曼滤波(EKF)算法和基于遗忘因子的递推最小二乘法(FFRLS),其模拟仿真的最大绝对误差为1.36%,均方根误差为0.42%,静态工况试验下的AE为0.67%,RMSE为0.21%,动态工况试验下的AE为1.86%,RMSE为0.56%。     

纯电动汽车用磷酸铁锂电池的模型参数分析

鉴于纯电动汽车用磷酸铁锂电池在不同荷电状态下的电池特性差异较大,传统参数辨识方法得到的电池模型参数拟合精度较低.本文采用电化学阻抗谱来分析等效电路模型参数,以研究电池的电压特性和动态功率特性,通过综合分析实际充放电条件的主要特征来提取电池典型的参数辨识工况,并利用粒子群优化算法分析模型参数.在不同温度和使用区间的验证表明该方法的精度较高,为磷酸铁锂电池的进一步研究提供依据.     

电动汽车用功率型锂离子电池的针刺安全特性研究

为揭示电动汽车用功率型锂离子电池的针刺安全特性，针对18650、21700功率型锂离子电池，通过搭建电池针刺特性试验平台，借助基于电池内、外电路电子流向的经典内短路模型，探究了不同荷电状态（SOC）、针刺速度、刺针直径以及电池尺寸等关联影响因子对电池针刺安全特性的影响。试验结果表明：荷电状态越高、针刺速度越快、刺针直径和电池尺寸越大时，电池针刺热失控的发生风险越高；当18650、21700功率型锂离子电池的荷电状态分别在40%、20%范围内时，电池具有较好的针刺安全性。     

电动汽车用NiMH电池建模及基于状态空间的SOC预测方法

电动汽车的电池管理系统需要精确、可靠的电池荷电状态(SOC)预测器。针对氢镍(NiMH)电池，提出了一种集总参数等效电路模型，介绍了通过实验获得电池参数的方法。该模型考虑了温度对电池参数的影响，能反映电池充放电的动态过程。文中用状态空间描述了R—C电池模型，在此基础上建立了一种新的基于状态空间的SOC递推算法，并对电池的充放电过程进行了仿真计算。分析表明，提出的SOC估计方法同样可用于其它类型的动力电池。     

汽车电池均衡管理技术分析与探究

通常纯电动汽车的动力电池是由若干单体电池组合而成,每一个单体电池荷电状态会存在一定程度的差异,而此差异会直接决定动力电池的使用性能,因此需要对动力电池进行均衡管理。其中锂离子动力电池的主要研究集中在电池单体技术、热管理技术以及能量管理技术等方面,因此BMS（电池管理系统）对动力电池均衡系统尤为重要。本文通过对电池均衡管理系统进行基本的介绍,并建立电池等效模型,为后续电池均衡模型的仿真提供理论参考,进而为电池均衡管理提供重要的研究价值。     

纯电动汽车最佳动力性换挡规律研究

通过建立纯电动汽车电池系统和电机系统的数值模型,分析了纯电动汽车的最佳动力性换档规律.根据电池最大放电功率随电池荷电状态减小而减小的特性,制定出当电池最大放电功率大于或小于电机最大输入功率时的动态3参数换挡规律和动态4参数换挡规律.仿真结果表明,所制定的换挡规律获得了比传统的2参数换挡规律更好的汽车加速性.     

电动车电池管理系统的功能和结构

介绍了电动车电池管理系统的功能包括电池包内部参数的检测、电池包外部参数的检测、荷电状态指示等。用图形表示出了电池管理系统的结构。     

电动汽车锂离子电池建模和剩余容量估计

建立锂离子电池的非线性数学模型,计算了模型参数,得到电动汽车用锂离子电池荷电状态的合理控制范围。提出一种估算锂离子电池剩余容量的方法。结果表明,所建的数学模型能很好描述锂离子电池各种工作状态,所提出的剩余容量估计方法为锂离子电池的寿命预测提供了依据。     

基于PNGV改进模型的SOC估计算法

基于磷酸铁锂动力电池改进的PNGV等效电路模型,提出了卡尔曼滤波法结合安时积分法估算电池荷电状态(SOC)的方法。该模型考虑了温度、自放电等因素对模型参数的影响,在Matlab/Simulink中建立了仿真模型,通过对比采用卡尔曼滤波法结合安时积分法和单独采用安时积分法估计得到的电池SOC值,表明PNGV改进模型能真实地反映电池特性,并能在允许的误差范围内准确估计电池的SOC。     

基于改进扩展卡尔曼滤波算法的SOC估算

在电动车、储能系统和移动设备等领域中,电池管理系统是保障电池组性能和安全性的关键技术之一,而电池荷电状态（SOC）估算是其重要的组成部分。文章重点针对18650型号的磷酸铁锂电池（单体电池）SOC估算展开研究和设计,首先选择双阶远程控制（RC）模型作为电池模型,通过电池容量标定实验、开路电压（OCV）-SOC标定实验、混合功率脉冲特性（HPPC）实验确定了双阶RC模型的各个动态参数,在MATLAB/Simulink中搭建动力电池仿真模型,验证了所选模型的可靠性。然后,为了解决单体电池SOC估算精度和成本等问题,以扩展卡尔曼滤波（EKF）算法为基础提出了一种改进方法,即在预测第k个时间步的误差协方差矩阵时,引入了时变渐消因子,在更新方差Q和R时引入自适应分子。最后,通过不同循环工况对提出的算法进行仿真分析,结果显示,提出的算法提升了SOC估算的精度,实用性强。     

汽车铅酸蓄电池SOC的实时估计方法

为应对汽车铅酸蓄电池荷电状态在线估计的需求,分析了现有SOC估计方法不足;在给出Thevenin电路模型基础上,结合铅酸电池的开路电压与SOC关系曲线,获得SOC估计线性化的输出方程,进而提出采一种基于卡尔曼滤波的铅酸电池SOC在线估计方法。通过卷绕式铅酸电池实验和计算结果表明,该算法能够实时估计电池SOC状态,最大误差小于5%,相比于传统的安时积分法更适合用于在线检测。     

电动汽车动力电池荷电状态估计

精准可靠的荷电状态估计对电动汽车整车性能有举足轻重的影响,从而成为国内外学者研究的重要方向。文章选取三元锂离子电池作为研究对象,然后介绍了几种荷电状态的估计方法,选择使用模型基础法进行荷电状态的估计,构造一阶Thevenin模型,然后利用充放电实验所得数据和MATLAB里的多项式拟合工具构造得出开路电压-荷电状态（OCV-SOC）的函数对应关系。通过使用最小二乘法来辨识对模型中的参数值可以进行离线辨识,再使用自适应扩展卡尔曼滤波（AEKF）算法来估计锂离子电池的荷电状态。随后进行了动态应力测试（DST）实验,将扩展卡尔曼滤波（EKF）算法与AEKF算法进行荷电状态估计的对比及误差分析,从而对AEKF算法的精确度进行检验。最终通过实验数据可以得出结论,文章介绍的AEKF算法对DST实验工况的荷电状态估计可以保证较满意的精确度,并且此算法不是很复杂,操作性强。     

基于SOC-OCV曲线特征的SOH估计方法研究

电池的健康状态估计(state of health, SOH)是锂离子电池管理系统中的状态参数之一,影响电池荷电状态估计(state of charge, SOC)和峰值功率估计(state of power, SOF)的精度。本文中通过追踪SOC-OCV(open circuit of voltage, OCV)曲线特征的衍变规律,从热力学的角度提出了全新的SOH估计方法。利用三元锰酸锂复合材料为正极的锂离子电池循环寿命实验数据构建SOH与SOC-OCV曲线特征参数之间的关系,并验证所提SOH估计方法的精度。实验结果表明:SOH从100%衰退到50%,SOH估计精度在±1.5%以内。     

不同温度与荷电状态下锂离子电池传荷电阻估计

基于锂离子电池伪二维模型并考虑老化机理建立电化学模型,基于该模型提出了在不同荷电状态和温度下传荷电阻折算方法。在4种不同循环老化工况后,通过获取不同温度和荷电状态下的电化学阻抗谱得到相应的传荷电阻,并采用该折算方法进行不同状态下传荷电阻折算,结果表明折算的平均误差小于9%。该折算方法为利用不同温度和荷电状态下的传荷电阻进行电池寿命状态估计提供了新思路。