基于等效模型扩展卡尔曼滤波锂电池SOC估算

电池管理系统(BMS)的主要任务是对电池荷电状态(SOC)、续航里程和防止电池过充过放等进行实时诊断,其中电池荷电状态的快速精确的估计是BMS的核心技术。基于锂电池这一动态非线性系统,提出了一种更接近于真实的、改进的PNGV电池等效模型;基于改进的PNGV电池等效模型,对比了卡尔曼滤波算法(KF)和扩展卡尔曼滤波算法(EKF)诊断电池荷电状态的实验结果;分析了扩展卡尔曼滤波算法诊断的实验误差。研究表明:采用扩展卡尔曼滤波算法对电池荷电状态进行诊断得到的结果更加精确,其误差能够一直保持在5%以内。     

基于多Agent的锂电池主动均衡策略控制仿真研究

【目的】针对锂电池的荷电状态均衡管理问题,提出一种基于多智能体的电池组荷电状态一致性均衡方案。【方法】首先,将多智能体控制策略引入电池管理的下垂控制中,实现了主动均衡电路拓扑下的自主均衡;其次,建立领航跟随者模型,利用参数已知的虚拟智能体使各个荷电状态不一致的电池的状态向其靠近,实现充放电模式下的荷电状态均衡;最后,对二阶多智能体荷电状态均衡控制策略进行仿真验证。【结果】实验结果表明,相比一阶均衡控制策略,自主均衡时间减少了43.02%,充电模式中均衡时间减少了16.13%,放电模式中均衡时间降低了32.90%。【结论】多智能体系统在电池的均衡管理中能够实现荷电状态的均衡,有效地降低了锂电池荷电状态到达一致性的收敛时间。     

基于改进卡尔曼滤波锂离子电池SOC估计

为了估算锂离子电池的剩余电量，考虑估计过程中的噪声影响，采用卡尔曼滤波方式进行电池的荷电状态估计研究。以戴维南等效电路模型为基础进行了电池参数的辨识，利用Simulink建立基于卡尔曼滤波的电池荷电状态估计模型。分析了电池在不同的放电电流的工况下，测量误差对电池荷电状态估计的影响，提出了改进卡尔曼滤波算法。仿真结果表明：与拓展卡尔曼滤波算法相比，改进卡尔曼滤波算法精度更高。     

无轨电车用锂离子电池管理系统的研究

为了配合锂离子电池在无轨电车上的应用,提出了一种针对无轨电车运行环境的锂电池管理系统,能够对车载电池进行故障诊断、分级报警和优化充电．本文主要分析了无轨电车环境下电池运行模式的特点,针对原有铅酸电池的使用和管理问题,提出了更加优化合理的锂离子电池使用方法和控制策略,就电池的故障分级、电池荷电状态（SOC：State of Charge）估算、电池有效利用容量区间、充电电流的计算方法进行了深入研究,提出了多种特殊处理方法,较好配合了锂离子电池在无轨电车上的安全高效使用．     

电-氢孤岛直流微电网的分层能量管理

为了实现电-氢混合储能微电网的控制与运行，提出一种该类孤岛直流微电网的全天候能量管理方法，在满足负载需求功率、控制母线电压的基础上，将微网多余电能向化学能及氢能转化，且将储存的能量通过燃料电池及蓄电池适时运用于微网功率缺额的情况；通过对各电源、负载设备DC/DC变换器控制以及管理层的协调控制，实现了该系统的能量管理；基于MATLAB/Simulink软件平台，验证了该文能量管理方法的有效性. 研究结果表明:电-氢微电网在运行过程中母线电压波动幅度小于0.33%，远小于5.00%的运行要求；锂电池等效荷电状态及储氢罐等效荷电状态初末值变化幅度分别为4.0%和0.2%，储能系统运行稳定；该能量管理方法能够在保持电-氢系统稳定运行的前提下，无需外界提供额外能量即可确保该系统的全天候正常运行.      

基于ABP-EKF算法的锂电池SOC估计

电池荷电状态(state of charge,SOC)的准确估计是电动汽车合理实施电池管理的前提条件和重要依据.针对目前电动汽车对动力电池SOC估计精度的不断提高这一问题,利用联合估计法对锂电池SOC进行研究.基于Thevenin电池模型与修正的安时积分算法,推导出了锂电池的输出方程以及状态空间模型,通过采集实验过程中的相关数据并应用递推最小二乘法对电池模型参数作出辨识.分析了扩展卡尔曼滤波(EKF)算法以及自适应BP神经网络算法的原理,联合两种算法并在此基础上提出了自适应BP-EKF算法(ABP-EKF).运用所提出的算法对锂离子电池SOC进行联合估计,最后通过对比ABP-EKF与EKF两种算法估计锂电池SOC的数据,研究结果表明:所提出ABP-EKF算法相比于EKF算法在均值误差项与均方根误差项分别减少了3.9％和3.79％.     

基于六参数RC等效电路模型的锂离子电池SOC估计

为提高电动车锂离子动力电池荷电状态(SOC)的估算精度,提出了一种基于六参数RC等效电路的电池模型,采用扩展卡尔曼滤波开展对电池SOC的估算方法研究。在考虑未知干扰和环境噪声的影响下,进一步提出了在扩展卡尔曼滤波的基础上的自适应卡尔曼滤波算法,并开展了对电池SOC的在线估算。仿真结果表明:虽然扩展卡尔曼滤波和自适应卡尔曼滤波都对电池SOC有较好的估算精度,但在未知干扰和噪声的影响下自适应卡尔曼滤波具有更好的鲁棒性。     

基于LSTM的电池组工作状态预测

运用长短期记忆神经网络（LSTM）对电池的电压、电流、荷电状态（SOC）进行预测。考虑驾驶行为对电池组工作状态的影响,确定了含加速度、车速、电压、电流、SOC在内的多参数LSTM模型;根据中国亿维新能源车辆云平台数据,采用Adam优化算法完成对LSTM模型的训练、测试与预测。结果表明：多参数LSTM模型可有效预测电池的SOC和电压变化状态,电流均方误差由14.848%降到3.192%。     

电动汽车磷酸铁锂电池组能量均衡控制系统的研制

课题研制的磷酸铁锂电池能量均衡系统,采用XE164和XC878作为主从机的控制核心,以LTC6802-1作为电池电压采集控制核心。开发了充电、放电以及静态的能量均衡控制算法,设计了基于电感储能的无损式均衡电路。样机实验结果表明,该均衡系统较好地实现了电池充电过程的能量均衡、电压监控与电池管理以及保护等功能,具有较高的均衡效率。     

电动汽车用动力镍氢电池SOC建模与仿真

设计了一套镍氢电池充放电试验建模方案,对其充放电特性进行了研究和分析;得出了一系列镍氢电池的开路电压测试曲线;提出了一种考虑了温度对电池参数影响的集总参数等效电路模型。在此基础上,建立了一种基于状态空间的SOC递推算法,对镍氢电池的SOC值进行了仿真分析。