基于剩余充电电量的锂离子电池组容量快速估计方法

针对传统锂离子电池组容量确定方法存在的效率低、能耗高且只能离线应用等问题,提出一种基于电池剩余充电电量的锂离子电池组容量快速估计方法。首先,基于充电电压曲线一致性原理,以电池组内率先充电至充电截止电压的电池单体电压曲线为基准,通过电压曲线的平移缩放与线性插值计算出各单体电池的剩余充电电量与剩余充电时间,从而实现各单体电池的荷电状态(State of Charge, SOC)在线估计,在此基础上实现电池组容量的快速估计。其次,在电池单体模型的基础上建立电池组的仿真模型,并在全SOC区域上对模型参数进行分段辨识。通过所建立的仿真模型得到电池组的充放电曲线,并对电池组容量进行估计。最后,对4个单体串联而成的电池组进行充电试验。研究结果表明:仿真容量与估计容量误差为1.2%以内,验证了所提出的容量快速估计算法的有效性;利用所提方法估计出电池组容量与试验得到的电池组容量的误差为2.61%;该方法根据电池充电曲线的平移与缩放即可在线估计出电池组容量,可应用于新电池组容量的在线快速估计,能在保证3%估计误差的基础上将检测效率提高到传统方法的2倍以上。     

车用镍钴锰三元锂离子电池过放电后的性能实验研究CSCD

锂电池过放电后会诱发内短路,短路电池单体搁置过程中会存在一定的自修复现象。为了对电池过放电的特性进行进一步的研究,以获得过放电电池的电特性,本文以过放电后的镍钴锰(Li-NiCoMnO_2,NCM)三元锂电池单体为研究对象,过放电后搁置100 d,再对电池进行20次循环充放电试验和静置试验。实验结果表明,搁置过程中电池单体的容量有衰减;无论过放至何种程度,过放电后的NCM锂电池单体在搁置100 d的前后对比中,内短路程度降低,内短路阻值变大,漏电流变小。搁置后的循环寿命实验表明,过放电程度越大的电池单体衰减速率越快。这些过放电后电池单体的性能变化规律有助于更深入地了解锂离子电池单体的特性,同时,也有助于电池短路电阻辨识算法的验证。     

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。     

基于恒流充电曲线电压特征点的锂离子电池自适应容量估计方法

为提高锂离子电池容量在线估计精度,本文中提出一种基于部分充电曲线特征容量在线辨识和阿伦尼乌斯容量衰减模型融合的自适应容量估计方法。针对纯电动汽车极少存在完整充电的情况,提出一种基于恒流充电电压特征点的容量在线辨识方法。该方法先利用遗传算法对缩放平移后的充电曲线进行电压特征点优化,再通过监测有关这两个不动的电压特征点的恒流充电数据,在线辨识电池的当前容量。为进一步提高容量在线估计的精度,通过增量式PID算法来融合容量在线辨识值和阿伦尼乌斯模型,进行模型参数的闭环修正。最后,交变温度寿命实验结果表明,利用本文中提出的自适应估计方法,最大估计误差不超过2%。     

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,对OCV曲线进行优化。然后,以优化OCV曲线为基础对2阶RC模型的模型参数进行辨识和模型端电压估计。结果表明:与HPPC法相比,基于优化OCV曲线的模型精度具有更高的全局精度,在低SOC区域的模型精度提高了一倍。最后,基于优化的OCV曲线和辨识的模型参数,设计扩展卡尔曼滤波算法对SOC进行全SOC区域估计。试验结果表明,基于优化OCV曲线和扩展卡尔曼滤波算法的SOC估计误差在全SOC区域上都能保持在2%以内。     

车用大尺寸锂离子动力电池性能的仿真与分析

为探究车用大尺寸锂离子动力电池内部性能不一致性,基于伪二维理论,建立了二维仿真模型。引入集流体区域电势分布及边界条件,对10~150 cm不同长度电极的电池建模仿真,分析了倍率性能、容量发挥率、阻抗等电性能及局部析锂。结果显示:长度为100 cm的电池在3 C大倍率充电时正极集流体压降高达0.1 V,充电容量发挥率仅为82.2%,极化内阻接近10 cm的2倍;电流密度分布不均造成充电至85 s时就出现局部析锂;充电截止时刻极耳区域温度比中部高出8.6 K。因此,对车用大尺寸锂离子动力电池,亟需对结构进行优化设计和提高电池热管理能力。     

基于特征电压模型的锂离子电池容量估计与RUL预测

锂离子电池的容量与剩余使用寿命预测对提高其安全性具有重要的意义.该文提出一种基于改进粒子群滤波(PF)算法与特征电压关联模型的锂离子电池容量估计与剩余使用寿命预测方法.提取放电曲线中的特征电压,建立特征电压循环次数及特征电压容量2个关联模型;应用改进PF算法对2个关联模型的参数进行辨识,以实现容量的在线估计与剩余寿命的...     

基于决策树的异常电池分类方法

提出了一种基于决策树算法的异常电池精准定位和分类方法，帮助人们在电池维修或更换时能够迅速确定故障单体的位置和类型，从而实施准确的维修更换方法，提高故障处理的效率。搭建电池仿真模型获取异常电池的充放电循环数据；以电压数据为基础，训练用于异常电池分类的决策树算法，使用试验数据和云端实车数据对构建的模型进行验证。验证结果表明，该方法能够准确判断异常电池单体在电池组中的位置和异常类型。在不同验证数据上，该方法的分类准确率高达98%以上，能够有效筛选出动力电池组中的异常电池。该结果说明了提出的决策树算法在动力电池异常分类中的有效性和准确性。     

基于电化学热耦合模型的锂离子电池快充控制

现有的锂离子电池电化学机理模型，在快充控制过程中未考虑产热与化学反应之间的耦合关系，导致模型无法准确地描述电池内部的反应和状态。为进一步提高模型的预测能力，须在等温模型的基础上耦合产热模型，为此本文提出一种基于电化学热耦合的快充控制模型。首先将电化学热耦合模型参数进行分类，分析各种参数获取方式并进行精确测量和参数辨识。模型建立后，对模型精度进行验证的结果表明：在不同温度下，模型输出的端电压、负极电位和温度结果都达到了较高精度，说明模型适用于宽温度区间内的快充仿真。同时对模型中反应速率常数和环境温度参数进行了敏感性分析。之后，结合PID控制器对模型进行快充控制仿真，通过负极电位估计值实时调节并优化充电电流，实现了电池在宽温度区间内的无析锂快充电流仿真。最后，模型仿真结果与恒流充电对比验证表明，所提出的快充策略能使电池快速充电，同时避免析锂副反应的发生。