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。     

锂电池SOC研究综述

荷电状态(state of charge)是锂电池的一个重要参数。根据锂电池SOC值可以清楚地了解电池的使用情况,进行有效的电池能量管理。但锂电池地充放电是个复杂的化学过程,对锂电池SOC的估算多是基于锂电池的等效模型进行。本文主要研究了现有的锂电池等效模型,依据现有模型重点研究了锂电池SOC的估算算法,对比各类估算算法,指出各算法的优点以及存在的问题。目的是寻找行之有效的SOC估算算法,给出未来锂电池SOC估算算法的研究方向。     

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。     

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。     

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.     

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℃。     

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。     

锰酸锂动力电池寿命测试方法

以北京奥运会用锰酸锂电池为对象,通过电池的实际运行环境和电池容量衰退多种影响因素的分析,从充放电倍率应力、温度应力和放电深度应力3方面进行与实际运行环境等效的应力条件下的电池寿命测试。利用拟合的衰退数据得到了锂离子动力电池的寿命模型参数,利用线性累积法简化了电池容量衰退模型,提出了一种面向不同实际应用场合的电池寿命测试方法。与模拟混合四季温度的电池寿命数据对比验证了该简化模型的有效性,它有效缩短了电池寿命测试周期。     

新型双电池系统能量管理策略及电池循环寿命模型

针对双电池系统(高能量型+高功率型锂电池),在Matlab/Simulink Statefl ow环境中模拟验证了设计的基于规则的能量管理策略。通过Real-Time Workshop生成AVL Cruise软件可调用的DLL文件后,实现了涉及双电池系统充/放电过程的AVL Cruise/Matlab整车行驶工况联合仿真。根据高能量型锂电池的循环寿命测试试验,考虑了充放电量、电池温度和放电倍率的影响,提出了循环寿命经验模型。在完成模型参数化之后,进行了对比分析,结果表明双电池系统具有循环寿命优势。     

基于PID神经网络的车用锂电池SOC估算

为了更精确估算车用锂电池荷电状态(SOC)值,采用PID神经网络方法建立电池模型,设定电池电压、放电电流、电池累计放电量和电池电极温度4个变量为模型输入量,电池剩余电量为模型输出量,由此得到了全部神经网络训练数据,并仿真估算出电池SOC值.仿真结果表明,利用该方法对电池SOC进行估算,误差小于3.66％,方法有效.     

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。     

基于行驶工况的磷酸铁锂电池寿命模型研究

针对电动汽车在行驶过程中电池的放电电流不断变化,采用恒流充放电条件下建立的电池寿命模型来估计电池的寿命将带来较大误差的问题,本文中在对某一现有磷酸铁锂电池恒流充放电容量衰减模型进行实验验证的基础上,推导了电动汽车行驶工况条件下,磷酸铁锂电池的循环工况寿命预测模型,并采用NEDC循环工况对该模型进行了实验验证。结果表明,采用该模型能较准确地对电动汽车行驶过程中的寿命进行估计。     

一种考虑迟滞的动力电池模型及其参数识别

建立精确的电池模型是实现电池管理策略仿真及验证的前提,是实现对动力电池进行全面、高效、精细化的管理的关键。然而在动力电池充放电过程中出现的电压迟滞现象,严重影响了动力电池的建模精度。文章建立了一种考虑锂离子电池充放电电压迟滞的电池模型,并对其进行了参数识别,可供从事相关锂离子电池状态分析的研究人员作为参考。     

串联混合动力汽车瞬时优化控制策略研究

建立了基于传动系能量均衡以电池充放电电流为控制变量的系统模型和以等效燃油消耗率最小为目标的优化数学模型。在设定参数条件下,以基于电量平衡的瞬时优化策略对两种常见行驶工况进行了整车仿真。将仿真结果与功率跟随策略的仿真结果进行比较,表明瞬时优化策略能更好地维持车辆行驶过程中电池电量平衡。     

电动汽车铅酸电池充放电过程建模

在对铅酸电池充放电特性进行分析的基础上，给出了铅酸电池充放电模型。为了验证模型的可行性，对铅酸电池进行了充放电实验，并对实验和仿真结果作了比较。结果表明，此模型较好地反映了铅酸电池充放电动态过程。     

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。     

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。     

基于无迹卡尔曼滤波算法的锂电池SOC估计

应用无迹卡尔曼滤波算法(UKF)进行锂电池的SOC估计,采用Thevenin二阶RC等效电路模型,对HPPC电池脉冲充放电实验数据进行Matlab处理,得到较为准确的模型。通过在Matlab中编写算法程序,对不同工况的估计值与实际值进行误差估算及对比分析,通过此算法进行SOC估计,得到该算法可有效降低系统误差并纠正SOC的初值偏差。     

电动汽车用锂离子电池单体温度场分析

文章通过实验测得了锂离子电池内阻在常温下随soc的变化情况。实验显示放电时soc在0.2到1之间时内阻变化不大,soc小于0.2时内阻急剧升高,且充电内阻明显大于放电内阻。之后进行了锂离子电池单体在常温下,0.8C和1C的充放电温升试验。获得了温升随时间变化的数据。并通过fluent对电池单体进行了与实验对应的仿真,仿真结果显示充放电情况下仿真与实验最大温差基本在1℃以内。所以可以用本模型对锂离子电池生热进行分析,为实际使用提供一定的指导。     

基于RLS和UKF算法的锂电池SOC估算研究

电池的荷电状态估计是锂电池管理系统重要的参数之一,在电池能量优化,电池安全及系统可靠性优化方面发挥着重要的作用。文章以二阶Thevenin等效电路作为电池模型,通过递推最小二乘法(RLS)对电池参数进行辨识,采用无迹卡尔曼滤波算法估计电池的SOC(State of charge)。并将估计的结果与试验测量结果进行比较,仿真结果显示,RLS与UKF的联合估计方法可有效估计电池的SOC值,使估算偏差值基本保持在2%以内。