混合动力汽车电池放电终止状态判断方法

分析比较几种判断铅酸电池放电终止状态的方法,指出这些以恒流放电特性为基础的放电终止状态判断标准不适于在变电流放电状态下工作的混合动力电动汽车用电池;U-C曲线斜率法考虑了变电流放电因素,适用于混合动力电动汽车电池管理系统对电池终止放电状态进行实时判断。     

电动汽车用铅酸电池放电特性的研究

采用恒流放电试验建立了电动汽车用铅酸电池放射电特性的理论模型，以此模型计算电动汽车在实际行驶条件下电池复杂变流放电特性，并与试验结果进行了对比，取得了满意的结果，为电动汽车动力系统优化匹配提供了依据。     

基于能量守恒和四线法的SOC估算策略研究

传统的电池荷电状态(SOC)估算方法已经不能满足蓄电池变电流放电工况的需要,而混合动力液压挖掘机中蓄电池变电流放电工况异常复杂,因此变电流工况下SOC的准确估算具有重要意义。在能量守恒定律和四线法测量蓄电池内阻的基础上,提出了一种新的SOC估算策略,经过仿真和实验分析,证明新的SOC估算策略能够胜任大电流和变电流放电工况下SOC的估算工作。     

LiNi_(0.5)Co_(0.2)Mn_(0.3)O_2圆柱电池恒流放电过程温升特性

研究了2 A·h三元圆柱锂电池在环境温度275.15～303.15 K下1 C恒流放电温升特性,以及303 K下0.5～4.0 C时的恒流放电特性,通过Fluent仿真分析了空气对流下单体和模组的电池温升。结果表明:低温273 K以下时充放电性能较差,与常温结果相比,低温电池容量和初始工作电压分别下降45%和10%;同时考虑欧姆热和熵变热能很好地预测单体电池的温升;模组结构对电池模组的最大温升和内部温差有一定影响,而倍率对模组内电池的温升和电池间差异影响较大。     

电动汽车用锂离子电池生热速率模型

首先在考虑锂离子电池极片中反应电流密度、活性物质浓度等参数空间差异的前提下,建立了电池热生成速率的数学模型。然后基于模型对锂离子电池在不同充放电电流和荷电状态(SOC)下的生热速率进行了仿真。结果表明:可逆热与非可逆热的生成速率均随充放电电流的增大而增大;SOC的变化主要影响可逆热的生成速率,对非可逆热的生成速率则无显著影响;锂离子电池在相同SOC和电流下进行充放电时,非可逆热的生成速率基本相等且均表现为放热,可逆热的生成速率也基本相同但分别表现为吸热和放热。最后在Arbin台架上测量了锂离子电池以不同电流进行恒流充电、恒流放电和循环交替充放电时电池温度的瞬变过程,并与相应工况下电池温度的仿真结果进行了对比。结果表明:所建立的生热速率模型能合理模拟锂离子电池温度的动态变化;锂离子电池持续进行充放电时可逆热对电池的温度变化有较大影响,尤其在电池充放电电流较小时更为明显,但锂离子电池在某一SOC附近交替充放电时可逆热对电池的温度变化则无明显影响。     

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SOC-OCV曲线特征的SOH估计方法研究

电池的健康状态估计(state of health, SOH)是锂离子电池管理系统中的状态参数之一,影响电池荷电状态估计(state of charge, SOC)和峰值功率估计(state of power, SOF)的精度。本文中通过追踪SOC-OCV(open circuit of voltage, OCV)曲线特征的衍变规律,从热力学的角度提出了全新的SOH估计方法。利用三元锰酸锂复合材料为正极的锂离子电池循环寿命实验数据构建SOH与SOC-OCV曲线特征参数之间的关系,并验证所提SOH估计方法的精度。实验结果表明:SOH从100%衰退到50%,SOH估计精度在±1.5%以内。     

基于改进扩展卡尔曼滤波算法的SOC估算

在电动车、储能系统和移动设备等领域中,电池管理系统是保障电池组性能和安全性的关键技术之一,而电池荷电状态（SOC）估算是其重要的组成部分。文章重点针对18650型号的磷酸铁锂电池（单体电池）SOC估算展开研究和设计,首先选择双阶远程控制（RC）模型作为电池模型,通过电池容量标定实验、开路电压（OCV）-SOC标定实验、混合功率脉冲特性（HPPC）实验确定了双阶RC模型的各个动态参数,在MATLAB/Simulink中搭建动力电池仿真模型,验证了所选模型的可靠性。然后,为了解决单体电池SOC估算精度和成本等问题,以扩展卡尔曼滤波（EKF）算法为基础提出了一种改进方法,即在预测第k个时间步的误差协方差矩阵时,引入了时变渐消因子,在更新方差Q和R时引入自适应分子。最后,通过不同循环工况对提出的算法进行仿真分析,结果显示,提出的算法提升了SOC估算的精度,实用性强。     

电动汽车锂电池建模仿真

文章列举了几种常见的锂电池等效模型,并选取戴维南模型进行参数辨识与建模仿真:对实验所选锂电池进行HPPC脉冲充放电实验,把试验得到的电压、电流等数据在Matlab中进行参数拟合得到电池的等效电阻和等效电容等参数,最后在Simulink中搭建等效电池模型进行充放电仿真并验证模型的精确性,模型运行的结果证明模型的最大误差小于5%,平均误差小于1%。     

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。     

基于降低极化电压磷酸铁锂电池充电方法研究

以优化锂电池充电极化电压,提高充电效率为目标,研究了电池充电极化电压与SOC的关系、停歇与极化电压降的关系、放电幅值与极化电压降的关系。研究结果表明:在充电初期与充电快完成阶段,极化电压变化极大;停歇与放电能有效地降低极化电压,停歇的时间越长,极化电压降低得越多;放电幅值越大,极化电压降越大。在此基础上,以降低极化电压作为电池充电性能的评价指标,提出了基于降低极化电压的优化充电方法,并与恒流充电方法和变电流间歇充电方法的充电性能进行了对比分析。试验结果表明,提出的方法在充电效率上高于恒流充电与变电流间歇充电2到3倍,大大缩短了充电时间,充电效率达到了95.36%。     

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.     

计及不均匀发热与温度分布的锂离子单电池电化学-热力学耦合三维有限元模型

为预测锂离子电池的内部温度场,应用多孔电极理论,建立了锂离子电池的一维电化学生热模型,同时考虑正负极集流板和电解液的欧姆热,与基于温度场相似准则建立的锂离子单电池三维分层模型耦合,组成锂离子单电池温度场有限元模型。基于模型进行1倍率恒流放电工况下的热力学计算,系统考察了电池温度变化与分布特征,并对比分析了各层不均匀发热率分布情况。仿真结果表明,所建立模型能较准确地预测锂离子电池内部分层结构发热分布和温度场,有助于后续的关键影响因素分析。     

基于无迹Kalman滤波算法的电池内部温度估计

为实时监测车用锂离子动力电池内部温度,提高电池性能,提出了一种非线性无迹Kalman滤波(UKF)估计算法。对某一2.6 Ah三元单体锂离子电池,建立等效可变参数热模型;用状态方程分析法,建立电池内部外部温度的关联并离散化;用递推最小二乘法(RLS)辨识热模型中时间、表面温度、环境温度、输入电流4种热参数,实时更新系统状态与观测方程的参数矩阵,结合UKF算法,实现电池内部温度估计。通过Matlab搭建仿真模型,用混合动力脉冲能力特性(HPPC)、动态应力测试(DST)以及恒流3种工况,来验证算法精度。结果表明：对于这3种工况,该UKF算法均可在1℃内估计电池内部温度。     

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%。     

锂离子电池低温放电性能及电池间一致性(英文)

用实验方法研究了锂离子电池在低温下的放电性能以及电池间一致性。在不同温度下,测量了多节18650型号的锂离子电池的恒流放电与电化学阻抗谱(EIS)。当环境温度从25℃降至-20℃时,4节电池的平均容量降低了58.4%,而容量的标准方差增大了6倍。EIS结果表明:降低环境温度会明显增大电池的阻抗,特别是电荷转移阻抗(RCT),同时,电池间的阻抗差异也被放大。15节电池的统计结果表明:电池放电容量与其阻抗之间存在线性关系。因此,低温下电池容量方差的增大是由于电池阻抗方差的增大引起的,而其中,电荷转移阻抗(RCT)起了主要作用。     

燃料电池发动机用金属流场板电堆性能的试验研究

对某型金属流场板燃料电池电堆进行了性能试验,对其特性曲线和单电池一致性进行了分析。结果表明,该电堆最大功率27.5 kW,对应电压78 V,单电池一致性随着电流负载的增大而下降。对比该电堆与某石墨流场板燃料电池电堆表明,在相同电流密度下前者单电池电压低于后者,但单电池一致性比后者好。     

考虑老化的电动汽车退役锂电池SOC在线估计

为提高电动汽车退役锂电池在梯次利用中的安全性,需要准确及时获取退役电池在使用过程中的荷电状态（SOC）参数值。由于退役电池不断老化会引起容量较快衰减,严重影响SOC参数的估计精度,所以文章提出了一种考虑退役锂电池容量衰减的SOC在线估计方法。经过混合脉冲功率（HPPC）和动态应力测试（DST）循环工况的试验测试,证明了所提方法能够在不同使用工况下准确和实时估计退役锂电池的SOC,并且最大估计误差均小于2%。     

基于容量增量曲线与充电容量差的电池组微短路诊断方法

目前还没有一种有效的手段针对处于前期演化阶段的锂离子电池微短路进行检测，为此本文提出了一种基于电池充电容量增量（IC）曲线和充电容量差（DCC）变化规律的微短路故障诊断方法。首先确立锂电池短路故障与充电容量增量的关系，利用小波变换对IC曲线进行降噪，得出在不同电流倍率和温度下IC曲线最高峰（ICPV）与电池荷电状态（SOC）唯一对应。然后提出利用充电容量差DCC描述存在内短路的故障电池与正常电池的SOC差异，并据此得出锂电池微短路的量化方法。最后通过仿真分析与实验验证表明，在不同工况下循环测试均可获得电池微短路的量化信息，且诊断最大误差均小于8.12%。