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.     

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。     

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...     

基于simulink的车载电池模型的建模与仿真

动力电池技术是电动汽车作为三电之一的重点研究方向,电池模型可以反映电池的外特性,锂离子电池的精确建模和状态估计在电池的研究中起着至关重要的作用。锂电池的使用过程中,电池内部参数会跟外界环境及荷电状态的变化而变化,选用固定参数的电池模型会导致模型的精度差较大。为了能够更好的提高电池管理系统的作用,基于物理电学模型提出改进的二阶Thevenin等效电池模型,该模型充分考虑了容量对电池内部参数的影响,会使精确度更高。实验及仿真结果表明:在城市道路循环工况下,通过对18650和所建仿真模型进行电压监测对比实验,最大实际误差为0.03V,而传统的最大误差为0.04V,相比传统模型精度提高了25%。因此,所设计的模型能够准确地描述锂离子电池的特性,使得荷电状态的估算精度得以提高,将该模型嵌入到电池管理系统中将使电池管理更加有效。     

动力锂电池阻抗特性的分析与验证

以现有电池阻抗模型为基础,以电工学为理论依据,建立锂电池阻抗模型。通过电化学阻抗谱对锂电池的阻抗特性进行分析,得到锂电池阻抗模型中各参数在充电和放电过程中随电池荷电状态(State of Charge,SOC)的变化规律。为验证得到的锂电池阻抗模型中各等效元件的参数值,采用暂态边界电压测试法对锂电池在充放电过程中的电压瞬态变化关系进行分析,得到模型中欧姆极化和电化学极化中等效元件参数值的误差均在12%以内。     

基于遗忘递推最小二乘与自适应无迹卡尔曼滤波的锂电池SOC估计

针对无迹卡尔曼滤波(UKF)在噪声不确定及工况复杂情况下锂电池荷电状态(SoC)估计精度低的问题,提出基于自适应无迹卡尔曼滤波(AUKF)的估计方法.建立了基于二阶RC等效电路模型的锂电池状态方程,采用遗忘递推最小二乘(FFRLS)参数辨识方法,将Sage-Husa自适应滤波算法与UKF相结合对系统噪声协方差进行实时更...     

电动汽车动力锂电池状态估计综述

电池状态估计是电池管理系统的核心技术，对保证电池安全可靠的使用、充分发挥电池的能力、延长使用寿命起着至关重要的作用。电池模型是状态估计技术的基础，极大地影响着状态估计的精度和时效。为此，对最常用的电池建模和状态估计方法进行了梳理和总结。首先，对电池模型及其建模方法进行系统概述，主要包括电学特性模型、热模型、电热耦合模型以及老化模型。然后通过对文献的归纳分析，从剩余容量、功能估计、功率预测、健康评估、温度监测和安全保障等角度，对电池荷电状态、健康状态、能量状态、功能状态、功率状态、温度状态和安全状态等估计方法进行了较为全面的阐述。最后，对未来电池状态估计的研究方向和趋势进行展望。研究结果可为电动汽车动力锂电池状态估计朝着先进化、智能化发展提供参考。     

基于混沌理论的短期交通流量多步预测

短期交通流量预测是智能交通系统的核心研究内容之一.针对城市交通流具有的混沌特性,提出1种具有较高精度的短期交通流量多步预测方法,以支持交通控制和交通流诱导.利用最大Lyapunov指数方法判别交通流量时间序列的混沌特性,对交通流量时间序列进行相空间重构,并在此基础上结合加权一阶局域方法设计了基于混沌理论的交通流量多步预测算法.将此方法运用于实际道路交通流量的多步预测,比较多步预测值与实际流量值,其平均绝对百分比误差为3.33％,平均绝对误差为9.05/[pcu· (5min)-1],均方根误差为10.36/[pcu·(5 min)-1].应用结果表明,该预测方法具有较高的精度.     

基于改进自适应无迹卡尔曼滤波的锂电池SOC估计

针对传统无迹卡尔曼滤波算法在估计电池荷电状态中存在收敛速度较慢、容易发散等问题,提出了一种改进的自适应无迹卡尔曼滤波算法,该算法在传统无迹卡尔曼滤波算法基础上引入了衰减因子和自适应调节因子,提高估计精度和收敛速度。以二阶RC模型为基础,运用最小二乘法对模型参数进行辨识,采用基于UT变换的自适应无迹卡尔曼滤波器算法实现对锂电池SOC的估计。搭建锂电池充放电试验平台,测试试验结果表明,该算法对锂电池SOC估计精度小于1%,在估计精度及收敛速度上均优于传统无迹卡尔曼滤波算法。     

智能混合动力汽车电液复合制动的协调控制策略

为改善智能混合动力汽车智能辅助驾驶时的制动转矩响应,提出了电机与电子真空助力液压制动系统协调控制策略,包括EVB预测启动控制策略和制动转矩协调控制策略。基于期望制动转矩预测,建立了融合EVB动态响应特性的EVB预测启动控制策略。综合考虑电机动态响应特性、响应裕度、EVB动态响应特性和电池荷电状态,提出了基于电机制动转矩动态补偿的制动转矩协调控制策略。仿真结果表明,该协调制动控制策略可在整个制动过程提高制动转矩响应精度,改善系统的动态响应。     

动力电池SOC估算方法的实时工况对比研究

随着燃料电池混合动力汽车的普及,三元锂电池的荷电状态(SOC)估算应用是电池管理系统的重要研究方向,直接决定燃料电池混合动力系统的续航里程。为进一步了解和探索SOC估算方法的准确性,本文基于电池物理模型,通过安时积分法(AH)和内阻法SOC与实际路况SOC的对比分析,研究结果表明:内阻法SOC估算方法能够更符合实际车辆运营SOC的变化情况。     

纯电动汽车动力锂电池SOC估计策略综述

电池管理系统(BMS)采用了防止电池过放电和过充,提供电池均衡控制,能够实现新能源汽车动力锂电池的最佳利用和保护。电池管理系统实时精准估算电池电荷状态(SOC)是提高电动汽车续航里程和延长寿命的关键。然而,SOC不能直接测量,动力电池的充、放电又是一个复杂过程,导致目前现有的SOC估算策略很难精确地估算出实时在线SOC值。因此,如何提高SOC估算精度是当下BMS领域的研究热点。本文通过对各种SOC估算方法进行文献综述,分析和总结各个SOC估算方法的原理及优缺点,提出SOC估计策略未来发展趋势。     

On-board aging estimation using half-cell voltage curves for LiFePO<Subscript>4</Subscript> cathode-based lithium-ion batteries for EV applications

The aim of this work is the design of an algorithm for on-board determination of the actual capacity of a lithium iron phosphate (LFP) cathode-based lithium-ion battery for electric vehicle applications. The presented approach is based on the detection of the predominant aging mechanisms (in terms of loss of lithium and loss of active material in both electrodes) by determining the single electrode voltage curves. The information related to the characteristic length and position of the voltage plateaus, which can be gathered during battery operation, can be used to obtain the actual aging state of the cells. The length of the plateaus depends on the respective position that the voltage curves of the single electrodes have in relation to each other. Relating the change of the plateau characteristics to the possible aging mechanisms allows the determination of the actual battery aging state in terms of total cell capacity. The work presents a possible implementation of an algorithm for capacity determination based on the described methodology. The algorithm is validated with various differently aged LFP cells. Furthermore, the work discusses the ability of the method to detect the actual battery capacity if the characteristics of only part of the quasi-OCV (open circuit voltage) curve are detected. Achieved accuracy and existing limitations are described and discussed in detail.     

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。     

基于SOC-OCV优化曲线与EKF的锂离子电池荷电状态全局估计

SOC-OCV曲线是锂离子电池状态估计的基础.针对传统HPPC测试法在非测试点不能描述电池非线性特性和小电流恒流放电法得到的OCV曲线精度不足等问题,提出一种基于粒子群优化算法的OCV曲线优化方法.该方法将小电流恒流放电得到的OCV曲线进行平移,以平移曲线在测试点与HPPC测试得到的OCV值之间的误差和最小为优化目标,...     

基于深度学习的混合动力汽车预测能量管理

为了优化混合动力汽车的能量动态分配过程,提升混合动力汽车的燃油经济性和动力电池荷电状态（SOC）平衡性,提高混合动力汽车能量管理策略的鲁棒性,以等效燃油消耗最小化策略为基础,结合对车辆未来行驶工况的预测研究,分析车辆未来行驶需求能量的变化,制定相应的动态调整策略。基于车联网通信技术,实时采集车辆的运行状态信息和交通信息,作为车辆未来工况预测模型的输入变量。以数据驱动为特征,基于混合深度学习建立工况预测模型。利用STL分解算法对各输入变量进行周期性、趋势性等特征分解,并对各输入变量的特征分量,使用混合深度学习网络从数据局部特征及时间维度依赖特征来深度挖掘目标车辆车速与外部信息及历史数据的关系,进而对车辆未来的行驶工况进行预测。利用预测的工况信息,分析车辆未来行驶需求能量的变化,应用于自适应等效消耗最小化策略等效因子的实时动态调整,从而实现对车辆的优化控制,并通过与传统自适应等效消耗最小化策略进行对比,验证该方法的有效性。研究结果表明：基于混合深度学习的工况预测模型预测精度比BP网络预测模型高44.72%;利用精确的预测工况信息预测能量管理,可以实时动态调整发动机和电机的功率输出,降低油耗并维持电池SOC平衡。     

参数修正在锂电池析气模型中的应用

提出了基于析气影响和参数修正的修正型Gassing模型,并用Matlab／Simulink对该模型进行了仿真验证。验证结果表明,修正型Gassing模型也适用于电池充电临界情况,可以描述电池重要变量如SOC、温度和内阻等的动态特性,而且较之于原Gassing模型 进一步提高了模型的精度,使模型中SOC、内阻R。等状态变量的计算更为合理和有效。     

基于小波变换-模糊控制的复合电源能量管理

以锂电池-超级电容构成的复合电源电动汽车为研究对象,在满足动力性能的前提下,为实现超级电容在合理的荷电状态（SOC）下承担高频率信号,且锂电池承担低频率信号的目标,建立了实时小波变换-模糊控制的能量管理控制策略。基于Matlab/Simulink和ADVISOR软件搭建整车模型,并在NEDC循环工况下进行仿真测试。仿真结果表明,与单一锂电池相比,在小波变换-模糊控制策略下,复合电源锂电池的驱动峰值电流降低了20.68%,寿命提高了16.74%。搭建了按一定比例缩小的复合电源系统试验平台,并在NEDC工况下进行试验验证。结果表明,小波变换-模糊控制策略对复合电源电动汽车的能量管理具有良好的控制效果。     

Fuel consumption of fuel cell hybrid vehicles considering battery SOC differences

Fuel cell hybrid vehicles (FCHVs) have become one of the most promising candidates for future transportation due to current energy supply problem and environmental problem. Fuel economy is an important factor in FCHVs. In order to properly evaluate the fuel economy of an FCHV, the initial battery state of charge (SOC) and the final battery SOC have to be identical so that the effect of the battery energy usage on the fuel economy is neglected. In the simulation or in the real driving, however, the final battery SOC is usually different from the initial battery SOC, and the final battery SOC often depends on the power management strategy. To consider the difference between the two battery SOC values, the concept of equivalent fuel consumption is presented by two methods. One is based on the relationship between delta SOC and delta fuel consumption, and the other is based on the optimal control theory. Two rule-based power management strategies for an FCHV are presented, and for each strategy, the fuel economy is evaluated based on the two methods. The characteristics of the two methods are discussed and compared, and the superior one is selected based on the comparison.     

电动汽车用动力电池SOC估算方法概述

准确估算电池的荷电状态（SOC）可以防止电池过充、放电,从而充分发挥电池的工作性能,有效延长电池的使用寿命.针对电动汽车用动力电池,首先对国内外有关SOC估算方法进行了分类,将其划分为安时积分法、开路电压法、神经网络、卡尔曼滤波等,并分析了各种方法的优缺点及改进算法.最后总结并展望了SOC估算方法的发展趋势,针对性地提出了改进思路,为开展精度高、实用性强的SOC估算方法研究提供借鉴.