金属氢化物电极和金属氢化物／镍电池的电化学阻抗谱

用电化学阻抗谱（EIS）方法,对金属氢化物（MH）电极和两种商品化金属氢化物／镍（MH／Ni)电池性能进行了研究,通过建立等效电路模型分析了MH电极的电化学阻抗谱,结果表明,在不同放电深度和充放电循环时,电极的欧姆阻抗,反应电阻和界面电容等呈规律地变化,并与电极性能的变化相一致,欧姆阻抗和由制备工艺带来的电极反应性能折差别,是引起两种商品化MH／Ni电池电化学充放电性能差别的主要原因,也说明EIS可用于检测MH电极的荷电状态和反应性能,并可作为在线无损伤MH／Ni电池性能测试技术。     

采用多模模型的锂离子电池荷电状态联合估计算法

针对单一的等效电路模型难以准确描述全时段的锂离子电池、估计电池荷电状态(SOC)准确度低的问题,提出采用多模模型的锂离子电池荷电状态联合估计算法。利用电化学阻抗谱分析不同SOC下锂离子电池的阻抗分布,并以此构建等效电路模型来描述整个充放电过程中的锂离子电池,得到一种基于变阶RC模型的多模模型。利用贝叶斯定阶准则综合模型的准确度和实用性来确定具体阶数,采用带有遗忘因子的递推最小二乘法对模型参数进行在线辨识,利用扩展卡尔曼滤波算法(EKF)求得锂离子电池的实时SOC。在恒流工况以及动态应力测试工况下,与传统基于一阶RC模型和二阶RC模型的EKF算法进行了多组实验对比。结果表明:采用多模模型的联合算法在不同工况下估计的SOC精度提高了30%以上,并均可在两个迭代周期内追踪到准确值。     

一次锂-亚硫酰氯电池电化学阻抗谱与荷电状态

对Li/SOCl2实体电池不同荷电状态下电池电化学阻抗谱测试,结果表明,电池阻抗谱变化有很好的规律,主要体现在阻抗谱中两个圆弧的先较小后增大。这就有可能根据电池EIS谱局部变化特征来预测电池的荷电状态。在电池荷电状态≤40%时,其有效预测参数为阻抗谱高频端圆弧最高点对应的ImZ*,log(Z*)及相角θ*。     

一次锂-亚硫酰氯电池电化学阻抗谱与荷电状态

对Li／SOCl2实体电池不同荷电状态下电池电化学阻抗谱测试，结果表明，电池阻抗谱变化有很好的规律，主要体现在阻抗谱中两个圆弧的先较小后增大。这就有可能根据电池EIS谱局部变化特征来预测电池的荷电状态。在电池荷电状态N40％时，其有效预测参数为阻抗谱高频端圆弧最高点对应的ImZ^＊，log（Z^＊）及相角θ^＊。     

锂电池分数阶建模与荷电状态研究

针对锂电池荷电状态估计不准确的问题,在对不同荷电状态的锂电池电化学阻抗谱进行了分析的基础上,利用分数阶建模思想建立了分数阶阻抗模型,并设计出一种分数阶卡尔曼滤波器,同时利用混合动力脉冲能力实验对建立的分数阶模型进行了参数辨识,从而实现了锂电池荷电状态的估算。实验及仿真结果表明:所设计的分数阶阻抗模型与分数阶卡尔曼滤波器能准确地描述锂电池的特性,使得荷电状态估算精度得以提高;在城市道路循环工况下,锂电池的电压追踪误差可以稳定在0.05V之内,在初始荷电状态未知的条件下,电池的荷电状态估计误差可以稳定在±1%。     

车用锂离子电池荷电状态参数辨识的建模仿真

为得到较为准确的电池荷电状态（SOC）参数,以厦门理工学院纯电动赛车用锂离子电池作为研究案例,采用二阶RC等效电路模型对锂离子电池进行HPPC充放电试验;然后,将实验数据导入Matlab的参数估计模块后,对电池荷电状态性能参数进行辨识。在Matlab的Simscape模块中建立锂离子电池的仿真模型,将仿真结果与实验结果进行比较,利用拟合工具箱对比不同阶次下RC等效电路模型的拟合精度。结果表明,锂离子电池的电压在放电脉冲开始及结束阶段时偏差较大,静置阶段则趋于平稳,二阶RC等效电路模型能够较为简便地反应锂离子电池的工作特性,且具有较好的拟合精度。锂离子电池仿真模型与实验测试的误差在2%以内,验证了所建立的仿真模型的可行性。     

采用等效电路的参数自适应电池模型及电池荷电状态估计方法

针对电池离线参数辨识复杂、模型系统误差无法在线校正等问题,提出基于等效电路的参数自适应电池模型及电池荷电状态估计方法。该方法设计了针对动力电池的自适应参数观测器并证明了稳定性,通过在线估计电池参数从根源校正模型误差,建立滑动平均滤波器对估计参数滤波降噪,利用多时间维度思想周期性更新电池模型,并结合卡尔曼滤波算法进行荷电状态估计。搭建电池充放电测试平台进行实验,实验结果表明:城市道路循环工况下,基于参数自适应电池模型的卡尔曼滤波电池荷电状态估计误差小于3%。该算法简单、准确、适应性强,对于多变环境、长周期使用条件下的动力电池监测具有较高的实用价值。     

质子交换膜燃料电池在不同放电状态下的阻抗分析

针对质子交换膜燃料电池在不同放电状况下具有不同阻抗的特性,通过电化学阻抗谱法测量了单蛇形流场质子交换膜燃料电池在不同放电电流下的电化学阻抗谱图,并通过R(QR)等效电路模拟得到电池在不同工作状态下的电路元件参数.实验结果表明,由于随着放电电流的增大,电池内的水由少到多再到过量,从而引起电极上的反应过程由慢到快再变缓,因此电池内部的电荷转移电阻先减小后增大.在大电流情况下,由双电层充放电效应引起的附加阻抗比较明显,使得放电电流越大,电池的系统阻抗增大越显著,而在中等放电电流(5 A)时,电池系统的阻抗最小.     

磷酸铁锂电池模型参数辨识与SOC估算

根据磷酸铁锂电池的特性,从电池电化学角度分析,建立电池的等效电路模型.通过实验方法测得电池开路电压与SOC关系和电池模型的参数,利用卡尔曼滤波法来估算电池初始荷电状态(SOC0).实验与仿真表明,该算法可以有效的估算出SOC初始值,并可以将误差控制在10％之内.     

一种改进的锂电池PNGV模型研究

针对锂电池PNGV常规模型精确度不高的问题,研究了一个改进的PNGV电池模型。原有模型中固定的极化电阻与极化电容实际上是受锂电池荷电状态(SOC)的变化而改变的量。本文采用HPPC测试来辨识改进后模型极化电阻与极化电容等参数。通过在MATLAB/Simulink中建立PNGV仿真模型,分别在HPPC放电工况与变电流放电工况下对改进前后的模型进行仿真实验并做了比较分析。结果表明,改进后的PNGV模型精度有了明显提高,能够较准确的描述锂电池的充放电特性。     

基于最小二乘法的锂离子电池参数辨识方法研究

目的 针对使用戴维南等效电路模型对锂电池进行参数辨识不够精确的问题,提出一种二阶 RC 等效电路模 型并对锂电池进行参数辨识。 方法 通过脉冲放电实验得到锂电池的相关数据,在 MATLAB 上使用最小二乘算法 对所建立的二阶 RC 等效电路进行参数辨识,并对不同 SOC(State of Charge)下锂电池各个参数的变化情况进行分 析,通过计算锂电池的端电压来判断参数辨识的精确度,最后将辨识结果与戴维南等效电路模型所辨识的结果进 行对比并分析。 结果 随着锂电池 SOC 下降,锂电池的各个参数会有轻微的波动,在锂电池的 SOC 处在较低的水平 时,锂电池的各个参数变化比较剧烈,这是由于锂电池的化学浓差极化所导致的,当将辨识的参数用来求解锂电池 的端电压时,随着时间的推移,发现锂电池的端电压的误差波动比较稳定,且最大误差不超过 0. 05 V,反观使用戴 维南等效电路模型求得锂电池的端电压误差波动比较大,且最大误差超过了 0. 08 V。 结论 在锂电池参数辨识上 二阶 RC 等效电路比戴维南等效电路更加准确,能够更好地描述锂电池的动静态特性,为后续对锂电池的荷电状 态估计提供了有力的基础。     

染料敏化太阳能电池的内部阻抗分析

为了进一步研究染料敏化太阳能电池的性能与内部阻抗的关系，应用电化学阻抗谱来研究电池内部电子转移过程的阻抗特性．结合适当的等效电路和理论模型对电池的阻抗谱图进行分析，结果表明，电池的内部阻抗主要来自至少3个方面：高频区域为铂和电解质界面的阻抗；中频区域为电子在二氧化钛薄膜中的传输和复合阻抗；低频区域为电解质内部的扩散阻抗．其中电子在二氧化钛薄膜中的传输和复合阻抗是影响染料敏化太阳能电池内部阻抗的主要方面，电解质的扩散对电池内部阻抗的影响较小．     

基于充电电压片段的锂离子电池状态联合估计方法

锂离子电池的荷电状态(SOC)、健康状态(SOH)和剩余使用使命(RUL)是锂离子电池安全稳定运行的重要状态参数,本文提出一种基于充电电压上升片段的锂离子电池状态联合估计方法,实现对电池预测起点(SP)到寿命终点(EOL)的较长运行周期内SOC、SOH和RUL的联合估计.该框架在充电阶段进行SOH和RUL估计,在放电阶段进行SOC估计.首先提取电池恒流充电电压曲线片段的上升时间作为健康特征(HF),以HF作为输入,循环容量作为输出,建立最小二乘支持向量机(LSSVM)电池老化模型,对当前健康状态进行估计;采用等效电路模型对该电压区段进行非线性拟合,用拟合参数建立状态空间模型,结合无迹卡尔曼滤波算法进行SOC估计;用高斯过程回归时间序列模型对电池的健康特征序列进行建模,通过循环次数外推预测健康特征的变化趋势,并结合LSSVM老化模型,对RUL进行预测并给出置信区间.实验结果表明,所提方法具有较高的估计精度和较好的稳定性.     

Na/Al对赤泥-煤系偏高岭土地聚合物电化学响应的影响

本文对养护28d龄期不同Na/Al条件下的赤泥-煤系偏高岭土地聚合物的单轴抗压强度和电化学阻抗响应进行了系列测试和分析。根据地聚合物中离子扩散的特点,建立了基本等效电路模型,利用ZSimDemo3.30d软件拟合与解析等效电路,分析各电路元件参数与Na/Al的关系。结果表明,赤泥-煤系偏高岭土地聚合物的抗压强度随着Na/Al的增大呈先增大后减小的趋势。电化学阻抗谱测试结果显示,Nyquist图均呈现高频区扁平容抗弧和低频区不明显的扩散曲线;等效电路模型为R(Q(RW)),且随着Na/Al的增大,地聚合物体系的总电阻和硅铝酸盐凝胶中的双电层电容均呈先增大后减小的趋势,而电荷转移电阻随着Na/Al的增大呈减小趋势。本研究运用电化学阻抗谱技术对地聚合物的电化学阻抗特征进行分析,揭示了赤泥-煤系偏高岭土地聚合物抗压强度随Na/Al的变化规律,同时也证明了电化学阻抗谱技术运用于地聚合物强度测试的可行性,为地聚合物无损检测技术提供新思路、新手段。     

主被动均衡电池管理系统设计

为了克服新能源汽车电池组在使用过程中内部单体电池充放电速率不一致问题,提出了一种基于现场可编程门阵列(field-programmable gate array,FPGA)的主被动均衡相结合的电池管理系统。该设计通过LTC6811电池采集芯片,将电压、电流、温度等数据传到FPGA进行容量估算。主控微控制单元(microcontroller unit,MCU)通过设置单体间荷电状态(state of charge,SOC)差值阈值,控制均衡电路中的回路开关的通断,使单体电池在不同容量差值时,进行不同的均衡策略。同时运用MATLAB/Simulink仿真软件搭建出核心主被动均衡电路模型,对电路的均衡方案进行仿真分析。仿真结果表明:通过采用主被动相结合的均衡策略,电池在充放电过程中均衡速度较单一均衡方式有明显的提升。可见通过主被动均衡结合的方式,能有效地提升电池均衡速度,改善电池使用效率。     

电动汽车用动力电池组SOC的神经网络估计

针对电动汽车用动力电池组的SOC受充放电率、放电历程和温度等因素的影响，传统方法很难建立准确的数学模型，对电池组SOC进行研究，在对动力电池组进行不同工况充放电试验的基础上。建立了电池组的神经网络仿真模型。并分别采用电流输入，电压和电压梯度输入进行了仿真，实现了对电池组SOC的估计。与实验结果对比，仿真结果与实验基本吻合，验证了该方法的正确性。     

水泥稳定碎石材料水化过程的电化学阻抗谱

研究不同水泥掺量下不同水泥稳定碎石结构水化过程的交流阻抗谱特性,通过准Randles型等效电路模型拟合得到的电化学参数分析材料的水泥水化演变规律。研究表明：不同结构在不同水泥掺量下阻抗曲线具有相同的变化规律。随着龄期和水泥掺量的增加,阻抗参数Rs和Rct不断增大,而表征材料微观结构特性的分形维数ds和d则呈现减小趋势,材料的孔隙率不断减小,逐渐形成致密结构。悬浮密实结构由于细集料较多,过多的细集料将粗骨料形成的骨架结构撑开,所形成的结构较疏松,与骨架密实结构相比,总孔隙率偏大。     

阶次自适应AR等效电路模型的锂电池SOC滑模观测

基于等效电路模型的一类车载动力电池剩余荷电状态(state of charge，SOC)的估算方法，其估算精度高度依赖于模型精度，模型精度又正比于模型复杂度，以至于难以较好地应用于嵌入式控制单元.提出复杂度相对较低、能够自适应确定最优模型阶次的全新等效电路模型——基于阶次自适应AR模型的车载动力电池等效电路灰箱模型.基于此灰箱模型，给出锂离子电池SOC的滑模观测器设计推导及能观性、收敛性证明.结果表明，本文提出的基于阶次自适应AR等效电路灰箱模型的滑模观测器SOC估算方法(adaptive autoregressive-sliding mode observer，AAR-SMO)具有低模型复杂度、高精度、强鲁棒性及快速收敛等性能.     

掺杂LaNiO3型双功能氧电极的电化学性能

双功能氧电极的开发是二次空气电池的关键问题,以开发高性能的双功能氧电极为目的,制备了 LaNi1-yMyO3(M=Co,Fe;y=0,0．2)钙钛矿氧化物作为双功能氧电极的电催化剂,以活性碳为载体,聚四氟乙烯乳液为粘接剂制备双功能氧电极．采用三电极体系测试了氧电极的稳态极化曲线和电化学交流阻抗谱,并对其阴极极化和阳极极化的交流阻抗谱图进行分析．通过等效电路的拟合研究了该系列双功能氧电极氧还原反应的工作机理．结果表明,对于LaNiO3化合物,B位掺杂可显著提高催化剂的电催化性能,电极氧还原反应的极化主要由电荷转移反应和Nernstian扩散过程造成．     

自适应卡尔曼滤波法磷酸铁锂动力电池剩余容量估计

卡尔曼滤波法在估计动力电池的剩余容量(SOC)时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,笔者采用自适应卡尔曼滤波法来动态地估计电动汽车用磷酸铁锂动力电池的SOC。首先对电池模型进行了研究,建立了适用于SOC估计的电池模型,然后设计了相应的电池充放电实验检测到模型的参数,并进行了验证,最后将自适应卡尔曼滤波法应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC。仿真结果表明：自适应卡尔曼滤波法能够实时修正微小的模型误差带来的SOC估计误差,估计精度高于卡尔曼滤波法,且自适应卡尔曼滤波法对初值误差具有修正作用。实车循环行驶实验表明算法适用于磷酸铁锂动力电池的SOC估计。