基于可重构电路的锂电池组充电均衡研究

为了提高电池均衡速度、减少能量损耗，将基于开关电感的Buck-Boost均衡电路和可重构均衡电路相结合，设计了可重构Buck-Boost充电均衡拓扑，根据5种不同的锂电池荷电状态（SOC）分布情况制定了相应的均衡策略，基于MATLAB/Simulink进行仿真分析，并与开关电感的Buck-Boost均衡电路进行对比，结果表明，在各种工况下，所设计的均衡拓扑和均衡策略将能量转移效率和均衡速度分别平均提高了19.0%和25.4%，有效提升了均衡性能。     

基于SOC多模块变压器电池组主动均衡技术研究

针对纯电动汽车动力电池单体间以及电池模组间的均衡速率和均衡效率问题,设计电池单体串联和电池模组串联电路来研究电池单体间和电池模组间充放电时的均衡速率和均衡效率,电池单体间采用电感式和多模块变压器式的主动均衡方式,电池模组间采用多模块变压器主动均衡方式。在MATLAB/Simulink软件环境下分别搭建相应的仿真模型,以电池荷电状态（SOC）为均衡控制变量,采用“均值-差值”控制策略进行仿真实验。仿真结果表明,串联电池单体采用多模块变压器均衡时间是电感式均衡时间的3倍;电池组间均衡时底层单体电池SOC通过电感式均衡快速保持一致,顶层电池模组通过变压器同时充放电,使得电池组SOC保持一致。将单体均衡采用电感式,模组采用多模块变压器式均衡应用于车载多电池箱均衡中有助于提升均衡速率和均衡效率。     

充电模式下锂离子电池组主动均衡控制方法研究

目前电动汽车都会采用到驱动动力强劲的锂离子电池,在充电模式下保证锂电子电池组实现主动均衡控制,有效推进电动汽车电力系统良性发展,提升电汽车整体性能。文章中所探讨的是基于双向Buck-Boost拓扑结构的主电路主动均衡控制系统,它其中基于荷电状态SOC建立主要均衡判据,进而实现了对主动均衡控制策略的有效改进。简单研究了充电模式下的锂离子电池组主动均衡控制电路设计方法,锂离子电池组的SOC均衡控制策略,并对其设计控制方法仿真结果进行分析。     

车用锂离子动力电池均衡技术综述

得益于较高的能量密度、较长的循环寿命等优点,锂离子电池被广泛应用于电动汽车中作为动力电池。由于库仑效率高,锂离子电池无法实现"自我均衡"。如果没有适当的管理,锂离子电池失衡将不会随着时间的推移而自行矫正。因此,需要对电池电芯单体实施均衡以解决单体性能差异造成的不均衡。文章首先介绍了锂离子电池的荷电状态(SOC)不均衡的原因和分类,然后系统地介绍了当前锂离子电池SOC均衡技术的研究现状和主要均衡策略,为锂离子电池均衡技术的研究提供参考。     

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。     

纯电动车锂电池管理系统的应用浅析

首先介绍了纯电动车用电池管理系统在实车上具有的功能和组成结构。接着论述了应用中的SOC算法、SOH算法、均衡方法、热管理和故障诊断与处理等关键技术。最后就电池管理系统在功能安全、SOC估算精度和电池寿命估计算法等方面提出了一些建议,供设计开发人员参考。     

基于模型融合与自适应无迹卡尔曼滤波算法的锂离子电池SOC估计

为提高电动汽车动力电池SOC的估计精度,本文中对锂离子电池模型与参数辨识算法、自适应无迹卡尔曼滤波(AUKF)算法和基于电池模型融合的SOC估计算法进行研究。建立了具有明确物理意义的电池电路模型,采用基于遗传算法(GA)的模型参数辨识算法,设计了基于AUKF的电池SOC估计方法,并基于贝叶斯信息准则,提出了电池模型融合方法,实现了基于模型融合与AUKF的电池SOC估计。仿真结果验证了该方法具有较高的精度。     

电动汽车电池管理系统设计与研究

本文以三元锂电池为试验对象,设计了一款分布式电池管理系统,该系统可实现对单体电压、温度、总压和总电流等信息的实时采集,计算电池的荷电状态(SOC)和绝缘电阻,根据电池和整车状态控制电池高压的输出,最后,对该系统进行了功能试验,验证BMS各项功能可正常实现。     

电动汽车蓄电池检测系统设计

文章设计了一款以STM32为核心的电动汽车蓄电池检测系统。采用安时积分法估算SOC值,通过均衡控制电路使各单体电池的充放电电压趋于一致。调试和实验结果表明,各单体电池间电压均衡,有效提升了电池的使用效率与寿命。     

车载锂离子电池组的充电技术与均衡管理方法研究综述

电动汽车快速和智能充电是未来的发展趋势。本文介绍了多段恒流充电、超大电流尖峰脉冲充电、变脉宽正负脉冲充电等充电方法,对电池的SOC值、内阻、析气和析锂极值点等参数实时精确获取,从而实现电池的无损伤最大电流充电;本文还介绍了双向反激式主动均衡、利用(DC-DC)变换器式和变压器式结合的两级均衡等均衡策略,实现了电池单体的快速均衡管理。     

汽车铅酸蓄电池SOC的实时估计方法

为应对汽车铅酸蓄电池荷电状态在线估计的需求,分析了现有SOC估计方法不足;在给出Thevenin电路模型基础上,结合铅酸电池的开路电压与SOC关系曲线,获得SOC估计线性化的输出方程,进而提出采一种基于卡尔曼滤波的铅酸电池SOC在线估计方法。通过卷绕式铅酸电池实验和计算结果表明,该算法能够实时估计电池SOC状态,最大误差小于5%,相比于传统的安时积分法更适合用于在线检测。     

锂离子电池可逆与不可逆生热特性研究

以商用圆柱形18650电池为研究对象,利用Bernardi简化生热模型,综合考虑了电池单体在不同温度、不同荷电状态（SOC）下的实际生热情况,通过混合脉冲功率性能放电测试（HPPC）和开路电压测试,拟合得到电池单体生热、直流内阻与SOC、温度的函数关系。结果表明,电池单体的生热与温度、SOC有很大关联,建立的单体生热模型可为动力电池包热管理的模拟和优化提供参考。     

基于分数阶无迹粒子滤波的动力电池SOC估计

针对纯电动汽车动力电池组荷电状态(SOC)估计问题,提出一种基于可变温度的分数阶Thevenin模型的建模方法,并采用分数阶无迹粒子滤波(FUPF)算法估计电池SOC。建立Thevenin模型的分数阶电池模型,采用试验设计(DOE)方法和遗传算法进行参数辨识,利用FUPF算法对SOC进行估计,并与无迹粒子滤波算法进行比较。试验结果表明,基于FUPF算法与可变温度的分数阶电池模型的SOC估计方法能够在较宽温度范围内保持较高的估计精度且比整数阶模型估计精度更高。     

复合电源式混合动力公交车功率分配策略研究

利用AVL/Cruise仿真软件建立了复合电源混合动力汽车模型,针对复合电源与单一电池性能的差异,基于模糊控制的思想,在MATLAB/Simulink下设计了整车功率分配策略与电池、超级电容SOC平衡策略,提出了基于车速的超级电容期望SOC平衡方法。通过仿真,验证了控制策略,达到了预期的控制效果。与采用逻辑门限的控制策略相比,电池的使用率降低了85.6%,燃油经济性提升了2%,可在不影响经济性的前提下延长复合电源中的电池寿命。     

教练用电动车能量管理系统状态监测及SOC估算方法

电动汽车蓄电池组的状态参数主要指各电池工作时的端电压、电流、温度和内阻;为了及时了解各电池的状况及剩余电量,我们以教练用纯电动车为依托,设计了一套能量管理系统。详细研究其核心部分——状态参数监测部分,实现电压、电流、温度、电阻信号的实时采集,然后基于开路电压法与安时累积法,运用一定的算法估算出SOC,并且换算成剩余续驶里程,最后将相关参数在仪表上实时显示。     

新能源汽车电池管理方法综述

电池管理系统作为电动汽车的重要组成部分,其中准确估测荷电状态(SOC)和电池均衡管理是电池管理系统的核心功能,也是优化系统能量管理,提高动力电池的使用效率,延长电池使用寿命的关键,对电池的储能至关重要。详细介绍主要SOC的估测方法和电池均衡管理方法,并对其优劣性进行分析与阐述,通过文献综述与对比分析为电池组在使用时提出理论依据与维护措施,为未来的研究提供便捷研究方法。     

一种基于Sepic-Zeta混合斩波电路的动力电池组双向高速均衡器研究

本文提出一种基于Sepic-Zeta混合斩波电路的动力电池组双向高速均衡器,该均衡器在电池组3种不同的工作状态下采用不同均衡拓扑电路和均衡控制策略。电池组充电状态下,均衡电路等效为Sepic斩波电路,选择电池组中能量最高的单体电池作为Sepic斩波电路的输入端进行均衡放电,均衡放电电流连续;电池组放电状态下,均衡电路等效为Zeta斩波电路,选择电池组中能量最低的单体电池作为Zeta斩波电路的输出端进行均衡充电,均衡充电电流连续;电池组静置状态下,选择电池组中能量差异性最大的单体电池进行均衡放电或均衡充电,其对应的等效电路为Sepic或Zeta斩波电路。该均衡器拓扑电路原理简单,均衡电路容易实现,均衡能量易控制,均衡电流连续、可控,因此均衡速度快、均衡效率高。最后,搭建锂离子电池实验平台进行电池组3种工作状态下的均衡实验,验证了该方案的可行性。     

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.     

基于多层均衡的电动汽车锂电池组均衡优化设计

电动汽车动力电池组由于生产和运行工况等不同,会使组内电池的电量不一致,进而造成电池组使用寿命降低、安全风险增大等一系列问题。论文针对这些问题,在传统电感主动均衡方案的基础上提出了一种多层均衡方案。这种方案第一层以电池荷电状态（SOC）为均衡参数,高层则以电池工作电压为均衡参数,通过多层均衡系统的综合作用来达到电池组间的能量转移。在该方案的基础上,以八个电池为例建立了Simulink仿真模型,并进行恒流充电、静置和恒流放电三个工况的仿真测试。经过仿真测试,在上述三种工况中各电池的SOC随着时间会逐渐趋于一致。仿真结果表明,该方案在充电、静置、放电工况下都能有效完成能量转移任务,对电池组进行了电能的均衡,证实了该方案有效性。     

基于安时法的锂离子电池SOC估计实时校正方法CSCD

为减少工业常用荷电状态(SOC)估计方法——安时法的累积误差,提出一种实时校正的锂离子电池SOC估计方法。在0~60℃,放电倍率1 C、2 C、3 C和0.33 C下,进行锂离子电池放电实验,测量了电压、电流、温度,建立了锂离子电池放电数据库。从该库获取上述放电温度、放电倍率范围,SOC值为20%、80%时的开路电压,以此两点引入一条关于电压与SOC的直线。以该直线上某点电压所对应SOC作为修正项,并引入修正因子α,来校正安时法所得剩余电量SOC估计值。与实验值对比,该SOC估计结果的误差小于4%,符合工业需求。