基于无序测量粒子滤波的锂电池剩余寿命预测

锂电池是一种复杂的电化学系统,其容量衰退呈非线性退化,粒子滤波(particle filter, PF)算法作为解决非线性非高斯问题的有效算法经常被用于锂电池剩余寿命预测。针对PF算法中的模糊测量问题,提出无序测量粒子滤波(out of sequence measurement particle filter, OOSMPF)算法对锂电池剩余寿命进行预测。首先利用锂电池加速充放电所获得的容量衰退数据与充放电循环次数建立双指数模型,然后采用OOSMPF算法对锂电池剩余容量进行预测,进而得出锂电池剩余寿命。试验结果显示,本研究提出的OOSMPF算法与PF算法相比,在对三组锂电池寿命的预测上,剩余寿命误差分别降至7次、15次和5次,因此OOSMPF算法更适合用于锂电池剩余寿命预测。本研究能为新能源汽车上的锂电池剩余使用寿命预测提供方法参考。     

锂电池在线监测与预警系统

介绍一种锂电池在线监测预警系统,并对该系统的硬件和软件进行了详细的说明。经过产品测试验证,结果表明锂电池的在线监测预警系统性能良好,能够对锂电池包括充放电电压、充放电电流以及剩余电量进行准确监控,并能够根据监测结果及时作出预警并通知用户及时处理。该监测系统结构简单、成本低、性能良好、有效的延长了锂电池的使用寿命、监测准确度高等特点。     

基于无迹卡尔曼滤波的纯电动汽车锂电池SOC估算

现阶段影响纯电动汽车发展的重要因素之一为电池,而考量电池的一项重要指标为锂电池的荷电状态(SOC),对锂电池荷电状态进行准确估算,可为其剩余里程预测以及电池能量管理提供相应的数据支持。锂电池作为常用的充电设备,其SOC难以估测制约了新能源汽车的发展。针对锂电池荷电状态估算的问题,分析其工作原理,建立磷酸铁锂电池的模型,通过对锂电池内部的相关参数进行辨识,基于扩展卡尔曼滤波算法(EKF)和无轨迹卡尔曼滤波算法(UKF),在Matlab中运用上述算法对磷酸铁锂电池的SOC进行估算。通过仿真得出两种算法的误差,进一步表明UKF具有较高的精确度,其估算误差能够保持在4%范围之内,可满足锂离子电池荷电状态的要求。     

动力锂电池模型在线参数估计的研究

为了减小动力锂电池仿真模型与锂电池实际工作时的误差,该文提出了一种能够在线参数估计的动力锂电池模型。首先推导出动力锂电池二阶RC等效模型,建立了动力锂电池随温度和荷电状态变化的动态模型;然后通过不同温度下的放电测试数据,利用拉普拉斯变换和最小二乘法辨识出该模型随温度和荷电状态动态变化的参数;最后用线性插值的方法计算出动力锂电池工作时的实时参数。用Matlab建立模型并仿真,结果显示在线估计电压值误差在4%之内,从而验证了该模型的准确性。     

典型温度下磷酸铁锂电池PNGV模型研究

温度是影响电池性能的重要因素之一。本文对典型温度下磷酸铁锂电池PNGV模型进行研究。通过大量的试验得出了磷酸铁锂电池充放电特性曲线,在此基础上建立了PNGV模型。应用混合脉冲功率性能测试试验(HPPC)对典型温度下模型参数进行了辨识,分析了典型温度下模型参数的变化规律。最后应用基于北京公交的纯电动客车用动力电池动态测试工况(BBDST)对模型进行了验证。验证结果表明PNGV模型在一定程度上能够反映磷酸铁锂电池的特性。同时,该模型在磷酸铁锂电池上的应用也存在一定的累积误差。     

可充电锂电池剩余电量预测方法

为了对锂离子电池剩余电量(SOC)进行准确测量,以2 200 mA?h的聚合物锂电池为研究对象,利用Hyperion平衡充放电设备采集6个不同放电电流下(0.7,1.1,1.7,2.2,2.7和3.3A)的放电电压和放电倍率;采取误差反向传播(BP)和径向基函数(RBF) 2个原理不同的神经网络算法进行SOC预测;把采集的样本数据分为训练组和测试组,采用不同的神经网络算法对训练组进行训练后,选择合适的参数构建神经网络,并用测试组数据进行测试;最终比较2种算法的预测效果和误差。研究结果表明:RBF预测结果的相对误差比BP的低,且预测速度更快,RBF较BP更适合于锂离子电池剩余电量的预测。     

基于多指标评估云模型的车载动力锂电池火灾风险研究

为了探究多影响因素下车载动力锂电池火灾风险特性,确保其安全运行,本文采用基于多指标熵权云模型的评估方法,探讨了不同风险层级下的风险指标隶属度特性,并提供了风险预防措施。结果表明,所选型号动力锂电池在风险等级Ⅲ以下的隶属度为0.684,风险整体处于可控范围;动力锂电池火灾风险事故中,发生可能性排名前五的风险指标中客观风险因素占80%,但客观风险因素发生的可能性小于人为诱发因素,后者平均维持在前者的62%左右;构建风险评估体系中电池类风险指标数达40%,其风险期望值相较其他风险因素低,可在电池生产阶段对所属的风险指标进行改进;电动汽车运行过程中对动力锂电池火灾风险影响最大的三个风险因素分别为气温过高、过充、事故撞击。     

基于鲸鱼算法优化长短时记忆神经网络的锂电池剩余寿命预测

为确保锂电池在军用无人机以及新能源汽车使用期间的安全性,需要对其进行全生命周期的健康监测和寿命预测。针对长短期记忆神经网络(Long Short-Term Memory, LSTM)模型参数较难选取导致所建立的锂电池剩余使用寿命预测方法精度不足问题,文中提出一种基于鲸鱼优化算法(Whale Optimization Algorithm, WOA)对LSTM的剩余寿命预测模型(WOA-LSTM)进行优化。首先使用WOA算法对LSTM的隐含层神经元数量、学习率进行寻优,避免经验选取参数的盲目性;其次将寻优后的超参数重新赋值给LSTM网络,构建与锂电池数据特征更为匹配的预测模型;最后采用NASA PCoE实验室锂电池的失效数据集验证算法的有效性。仿真结果表明,文中所提出的预测模型相较于LSTM模型、Elman模型、PSO-LSTM模型精度平均分别提升了7%、4%、3%,具有较好的预测效果。     

基于CAN总线的电动车锂电池管理系统

从低成本、环保角度出发,设计了一款基于STC89C52和CAN总线功能完善的电动汽车锂电池管理系统.电动汽车锂电池由多个单体锂电池串联而成.该系统通过DS2438对单体锂电池参数采样送到STC89C52处理,采用开关电容均衡,避免单体电池充电过量或不足,用算法实现SOC(剩余电池容量)估算,通过CAN总线实现模块间以及汽车主控制器的通信.实现对锂电池实时监测、管理,提高电池的使用寿命、安全性能.     

基于卡尔曼滤波的动力电池SOC估算

由于传统无迹卡尔曼滤波估算方法具有局限性,为了能准确估算动力电池荷电状态(state of charge,SOC),提出了一种基于无迹卡尔曼粒子滤波的动力电池SOC估算方法.以三元锂电池为研究对象,建立了电池二阶RC等效电路模型,通过对电池进行充放电试验辨识出模型参数,并验证模型准确性.采集了实际工况下的电池数据,分别用无迹卡尔曼滤波算法、粒子滤波算法和无迹卡尔曼粒子滤波算法估算电池SOC,在MATLAB中进行了仿真试验,并对估算的电池SOC进行比较.结果表明：无迹卡尔曼粒子滤波算法可以快速准确地估算出电池SOC,误差小于2.5%,优于另外2种算法.     

混合储能的太阳能LED路灯电源系统设计

针对普通铅酸蓄电池太阳能LED路灯储能系统使用寿命短的问题,提出了一种解决储能系统使用寿命短的新方法:利用磷酸铁锂电池进行储能、超级电容滞环电压比较法对蓄电池充放电过程进行控制.对磷酸铁锂电池太阳能LED路灯控制部分进行了仿真,结果表明:该方法能够在弱光及光强不稳定情况下将扰动信号能量储存在超级电容中,对蓄电池进行充电,有效提高了路灯系统的能量利用率及使用寿命.     

智能LiMn_2O_4材料电特性测试仪的充放电模块设计

为了研究材料的电特性,设计了一种智能LiMn_2O_4材料电特性测试仪.主要介绍了硬件核心单元充放电模块的设计, 根据锂离子电池的特点采用二阶段法充电.系统采用继电器对电路的充放电状态进行切换,采用多路开关4053对电池通道进行切换,其两组开关在恒流充电与恒压充电电路中接入不同的位置,从而实现了采用恒流转恒压的充电方式.     

USB_PD协议快充移动电源设计

为实现移动电源的大功率电能传输,节省充电时间,结合USB_PD快速充电协议设计了一款快充移动电源。本设计采用易能微电子科技有限公司的EDP3010可重构数字电源芯片为控制器,通过构建相关硬件电路以及相应软件的编写,实现了基于USB_PD协议的快速充电功能,给四串锂电池组充电最大功率可以达到90 W,可为支持USB_PD协议的电子设备进行快速充电,最大输出功率达65 W,且具有多项保护功能可保证充放电过程的安全进行。     

锂电池SOC参数识别、优化及监测研究

为了延长微网系统中储能装置的使用寿命,保证微网系统的稳定可靠运行,需对锂电池荷电状态(SOC)进行实时准确的监测。提出一种基于递推最小二乘法(RLS)和扩展卡尔曼滤波算法(EKF)的电池SOC参数识别优化及检测方法,并在MATLAB/Simulink仿真环境下进行可行性验证。结果表明,该方法能够在极小误差范围内实现对锂电池SOC的实时监测。     

锂离子动力电池充放电特性的试验研究

为了解锂离子动力电池的工作特性,评价其在电动车辆上的使用性能,对锂离子动力电池进行了性能测试.基于实验结果,给出了锂离子动力电池的工作电压、工作电压下降速率和温升特性曲线.对锂离子动力电池的工作特性进行了分析;对各单体电池间的一致性对电池组性能和寿命的影响进行了分析评价;对电池的使用规范提出了建议.分析表明:锂离子动力电池适合于电动车辆使用,但电池单体间的一致性还待进一步改善和提高.     

基于飞轮储能技术的新型UPS的研究

针对目前不间断电源(UPS)中化学电池的不足,设计并实现了基于飞轮储能技术的新型UPS系统,提出了高速飞轮充、放电方式的控制策略。飞轮储能单元代替传统的化学电池,具有免维护、寿命长、无污染的特点。充电方式下,通过飞轮转动稳定性的分析,进行了充电曲线的优化设计,针对高速、大惯量负载,采用智能复合控制方法,使飞轮转速很好地跟踪设定的优化充电曲线;放电方式下,根据电机升压斩波能量回馈原理,控制直流母线电压恒定,简化了UPS负载逆变器的控制策略。实验结果表明系统具有很好的动态特性,验证了控制策略的正确性和有效性。     

基于SMBus的智能锂动力电池总线系统的实现

介绍了系统管理总线SMBus(Smart Manegement Bus),SMBus是智能电池系统SBS(Smart Baterry System)中升压单元、电池充电单元、控制单元、锂动力电池及外设之间的互连接口,它能对电池的充放电电流、电压、温度、容量等重要参数进行监测和控制。     

电动汽车锂离子电池管理系统的关键技术

 锂离子电池具有能量密度高、功率密度高、寿命长、环保等特点,已经在电动汽车中获得应用。但电动汽车锂离子电池组的容量大、串并联节数多、安全工作区域有限,需要电池管理系统对其进行有效控制与管理,以充分保证电池的安全性、耐久性和动力性。电池管理系统由各种传感器、执行器、控制器等构成,其关键技术包括:传感器的精度及传感器之间的同步技术、电池单体及电池组的状态(荷电状态、健康状态、功能状态、能量状态、安全状态等)估计技术、电池组一致性辨识与均衡技术、安全充电和故障诊断技术。为了研发先进的电池管理系统,首先要对锂离子电池性能进行测试研究,确定影响其性能的主要因素及变化规律;然后采用基于机理、半经验或经验的建模方法建立电池系统模型,设计基于模型的电池系统状态估计及性能优化管理算法,并进行系统集成和应用开发,以保证在电池安全可靠运行的前提下发挥出最佳的动力性能。     

电动汽车有序充放电分群调度策略

为解决大规模电动汽车无序入网会给配电网安全稳定运行带来一系列不良影响问题,提出了车联网(vehicle to grid,V2G)模式下电动汽车有序充放电实时响应分群调度策略.从日前-日内多时间尺度出发,充分计及车主响应意愿及响应能力,对电动汽车集群进行细致划分.针对每个调度时段,综合考虑电网、电池、车主等约束条件,建立电动汽车有序充放电优化模型.模型分为上、下两层求取电动汽车充放电调度计划:上层以调度时间区间内的配电网方差负荷曲线最小为目标,求取当前时段集群总的充放电功率;下层以电动汽车车主费用最低为目标,求取单辆电动汽车的充放电计划.通过算例仿真,验证所提模型的有效性.     

基于SSA-GRU大功率多状态PEMFC寿命预测

提出了一种用于最大额定功率为110 kW的质子交换膜燃料电池(proton exchange membrane fuel cell, PEMFC)剩余使用寿命的麻雀搜索算法优化门控循环单元的方法,进行了超过600 h的动态循环耐久试验,以模拟不同路况下车载PEMFC的工作情况。为准确预测大功率PEMFC的剩余使用寿命,需考虑其在不同工作状态下输出电压,将输出电压根据不同功率点进行分类预测。将采样数组经过滤波处理,减少峰值,平滑降噪,然后基于数据驱动的方法以各工作状态下电压数据以及不同的训练集划分作为输入,并预测结果通过选取的评价指标与不同的常见时序回归算法证实此模型的准确性。以数据的60%作为训练集为例,麻雀搜索优化门控循环单元(sparrow search algorithm-gate recurrent unit, SSA-GRU)的预测结果对比时间卷积网络(temporal convolutional network, TCN)其平均绝对百分比误差(mean absolute percentage error, MAPE)在30、50、70、90、110 kW分别降低了0.110...