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。     

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。     

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.     

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。     

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%。     

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。     

SOC不一致的电池并联性能研究

此文从实验角度考察了当SOC状态不一致的两电池(0%/100%)并联时并联搁置阶段、放电阶段以及放电结束后的静置阶段的干路电压及支路电流变化情况,并比较了并联充放电与单体单独充放电的放电容量间的差异。实验结果表明:当开路电压相差较大时,其接触时的瞬间电流非常大,此情形可能会对电池造成伤害,因此应尽量避免开路电压相差较大的电池直接并联;在并联搁置时,电压较高的电池会对电压较低的电池进行充电,起到自我均衡的作用;并联恒流放电过程中,经过并联单体的支路电流不断变化;并联放电结束后,两电池之间仍然在相互充电以达到电压平衡;无论并联整体放电还是并联后单体单独放电,其容量均与单体独自放电容量相当。SOC不一致电池并联不会对容量产生不利影响。     

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。     

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。     

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。     

动力电池SOC动态修正方法浅析

某纯电动汽车在电池温度变化较大情况下,若采用传统单体开路电压法估算SOC会引起SOC跳变、修正过缓、过陡问题,本文针对此现象,提出一种基于动力电池应用的SOC区间动态曲线修正方法。根据电池充放电状态确定目标SOC并计算跟随斜率,安时积分计算时利用跟随斜率加以修正并实时控制,动态修正,能有效解决SOC跳变、修正过缓、过陡问题。     

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。     

一种改进的安时—开路电压估算SOC的方法

精确估算动力电池的荷电状态(State of Charge,SOC)是发展电动汽车技术的关键。SOC值很难直接测出,只能通过与电池有关的温度、电流和电压等因素间接估算。文中提出了一种安时法和开路电压法结合的方法,对算法影响SOC估算的各个因素进行了补偿修正,并用Simulink建模仿真,对比仿真结果与试验结果,证明了该方法的准确性。     

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%。     

某款纯电动车OCV修正致SOC跳变问题的优化

SOC估算有如开路电压法、安时积分法、神经网络法、卡尔曼滤波法等多种方法[1]。江淮某轻型纯电物流车磷酸铁锂电池SOC估算采用较为成熟、稳定的安时积分策略、充电末端Vmax校准及放电末端OCV修正策略[2]。市场车辆在环境14℃~16℃时,放电末端常出现修正导致SOC5~8%幅度的跳变,文章通过对比分析,细化不同温度SOC-OCV矩阵,较好的解决上述问题。