电动汽车用锂电池模型参数辨识方法研究

利用二阶RC电池等效模型,分别运用最小二乘拟合法、扩展卡尔曼滤波法和遗传优化扩展卡尔曼滤波法3种模型参数辨识方法对某型磷酸铁锂电池充放电过程中的回弹电压外特性进行参数辨识,通过对比分析得出遗传优化扩展卡尔曼滤波法的辨识精度更高。     

基于电化学阻抗谱的磷酸铁锂动力电池电路模型研究

基于电化学阻抗谱特性,对Randles等效电路模型引入复参数电感元件、复参数电容元件和常相位元件,建立磷酸铁锂电池的等效电路修正模型,通过对实测阻抗谱的拟合以及模拟退火算法,辨识修正模型中的参数。拟合结果表明,修正模型相比Randles等效电路模型精度提高近4%,能够更好地模拟电池伏安动态特性,为电池模型在电池管理系统上的进一步应用提供理论基础。     

基于模拟退火算法的锂电池模型参数辨识

为建立准确的电池模型,以精确估算电池荷电状态,本文中通过试验获取锂电池在不同充放电电流和SOC下的充放电特性,进而对不同充放电电流和SOC下的电池R及C参数进行辨识。针对该参数辨识过程中参数初始值未知、数据处理量大、易陷入局部最优点的特点,采用无需初始参数、收敛速度快、能获得全局最优解的模拟退火算法对电池R及C参数进行辨识。仿真和试验结果表明,采用以上方法建立的电池模型具有较高精度。     

磷酸铁锂电池温升特性的研究

介绍磷酸铁锂电池的工作原理和生热特性,通过对锂电池单体三维模型在不同放电倍率下的仿真计算,分析放电倍率对电池温升特性的影响,最后通过锂电池单体试验验证单体三维模型的可行性。     

电动汽车锂电池建模及参数辨识方法研究

介绍多种电池模型及其参数辨识算法,综合考虑辨识复杂程度和精度,提出一种利用一阶RC电路模型、遗忘因子最小二乘优化算法、监控平台电池孪生模型的锂电池建模及参数辨识方法,并进行实车应用验证。结果表明,该方法能够使SOC的估计误差保持在3%以内。     

磷酸铁锂电池SOC估算的研究

磷酸铁锂电池SOC的估算对电池组的寿命有着重要影响。在完成电池特性实验基础上提出一种能够准确估算磷酸铁锂电池SOC的方法--以Ah计量法为基础,利用开路电压法减小Ah计量法的累计误差。仿真结果表明,所提方法比传统Ah计量法具有更高的精度。     

纯电动汽车动力锂电池Nernst模型参数辨识

建立了电动汽车动力锂电池的Nernst经验模型,并利用遗忘因子递推最小二乘法对模型参数进行辨识。以北京市运营的纯电动环卫车的锂电池数据对所建立的模型和参数辨识算法进行验证,结果表明,所给出的方案是有效的,具有算法运算量少、模型结构简单和辨识精度较高等优点,适于电动汽车运行时对电池模型参数的在线辨识。     

基于改进无迹卡尔曼滤波的电池SOC估计

针对电池SOC初值误差较大时,无迹卡尔曼滤波收敛较慢的问题,本文提出了改进的无迹卡尔曼滤波算法。介绍了3种常用的电池等效电路模型,通过对电池的EIS分析,确立了磷酸铁锂电池的Thevenin模型并辨识了模型参数。分析出无迹卡尔曼滤波在初值误差较大时收敛较慢的问题,在此基础上提出了改进的无迹卡尔曼滤波算法。通过实验可以看出,改进算法不仅克服了无迹卡尔曼滤波收敛速度慢的问题,而且提高了估计精度;使用改进算法对老化过程中的电池进行SOC估计,最大估计误差在4%以内,可以满足电动汽车的使用要求。     

基于BP-EKF算法的电池SOC估计

介绍了几种常用的电池等效模型,通过试验选择了适用于磷酸铁锂电池的Thevenin模型并辨识了模型参数;分析了EKF算法和BP神经网络原理,提出了BP-EKF算法,使用BP神经网络的自学习能力和逼近能力,优化和补偿EKF算法的非线性误差,同时降低了等效模型的精度要求;使用UDDS电流模拟汽车行驶电流设计了仿真试验,同时使用BP-EKF算法和EKF算法对数据进行处理,结果表明,当SOC初值误差较大时,BP-EKF算法可在300 s内接近理论值,且其收敛精度比EKF算法提高了70%以上。     

考虑温度影响和滞回效应的锂电池特性建模

为提高锂电池建模精度,对滞回电压引起的SOC估计误差进行分析,表明锂电池建模不可忽略滞回效应的影响。通过对不同温度下滞回电压变化规律和影响锂电池动态特性的内部电化学过程的分析,提出锂电池等效滞回模型。利用不同温度下小倍率恒流充放电实验和城市道路循环工况分别对电池模型开路电压和阻抗参数进行辨析。最后将模型输出端电压和SOC估计值与实验值进行对比,结果表明在锂电池建模时考虑滞回效应的影响可将模型精度提高一倍。