动力锂离子电池建模及其动态特性研究

由于动力锂离子电池管理系统设计及电池剩余电量预测依赖于电池等效电路模型的建立,在几种常见的动力锂离子电池等效电路模型分析与比较的基础上,通过对动力锂离子电池进行多次充放电实验,分析了动力锂离子电池的动态特性,提出了基于Thevenin等效电路模型的双电源模型;并辨识了模型的相关参数。运用Matlab/Siumlink仿真工具建立仿真模型,对双电源模型进行仿真验证,结果表明双电源模型可准确模拟动力锂离子电池的工作特性,为动力锂离子电池的高效管理奠定基础。     

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。     

电池均衡控制策略研究

为了提高蓄电池的使用寿命,改善混合动力汽车的经济性和动力性,在对蓄电池的不均衡状况进行分析的基础上,建立了单体电池的不均衡特性的模型和电池组能量分流充放电均衡控制的模型,并提出了蓄电池组的能量分流充放电控制策略.并进行了能量分流充放电控制策略的仿真计算,得到满意的结果.     

电容式钛酸锂电池的设计及制备方法

为解决现有钛酸锂电池在低温下电池容量衰减和充放电过程中的电池胀气问题，从电池内外部结构和制备工艺流程两方面提出新型钛酸锂电池结构设计.在电池内部模仿电容式结构，融合电容器的物理储能方式和蓄能电池的化学储能方式，提升电池在低温环境下的充放电性能.在制备工艺上采取柱形锂离子电池含浸新技术，提高含浸效率，减少电池内部水分，部分解决电池胀气问题，并进行相关性能测试.结果表明，新型钛酸锂电池容量保持率可在9 548次充放电循环下达到92.5%,低温环境下电池容量保持率大于75%,该方法有效提升了钛酸锂电池性能.     

磷酸铁锂电池的改进建模及SOC估计

由于磷酸铁锂电池在多方面的优越性能,它在电动汽车领域的应用已经越来越广泛。文章针对磷酸铁锂电池,给出了其改进的PNGV模型,并通过电池恒流充放电特性和脉冲充放电特性实验,利用插值和最小二乘拟合方法进行电池模型参数辨识,实现了磷酸铁锂电池的较准确建模,并采用扩展卡尔曼滤波算法(EKF)完成了电池荷电状态(SOC)的准确估计。     

动力型超级电容电池容量测试标准与装置研究*

动力型超级电容电池的优点是充放电速度快,低温特性良好,可提供大电流充放电,无污染等,具有良好的市场前景。目前国内外还没有建立超级电容电池的测试标准,在一定程度上制约了电池产业的发展。总结了相关蓄电池常用的测试标准与规范,在此基础上提出了动力型超级电容电池容量测试和功率密度测试方法并设计了相应的充放电自动测试装置,为今后超级电容电池企业的发展提供重要的测试标准参考。     

考虑不同充电策略的锂电池健康状态区间估计

评估锂离子电池健康状态(SOH)对于电池使用、维护、管理和经济性评价都有十分重要的意义,但当前锂电池SOH估计方法多针对特定充电策略,采用确定性估计模型,无法反映电池退化过程中的随机性、模糊性等不确定性信息.为此,提出一种适用于不同充电策略的锂电池SOH区间估计方法.该方法针对不同充电策略的电池循环充放电数据提取多个特征参数,通过交叉验证自动选择针对特定充电策略的最优特征参数组合.另外,考虑到锂电池全生命期循环次数有限,属于小样本问题,提出集成支持向量回归与分位数回归优势的支持向量分位数回归模型(SVQR)进行锂电池SOH区间估计.选用放电程度较深的锂电池充放电循环数据作为训练集,对SVQR模型进行离线训练,训练好的模型用于不同充电策略下锂电池SOH在线估计.采用具有不同充电策略的数据集验证所提方法,实验结果表明：所提方法适用于不同充电策略,且估计结果优于分位数回归法、分位数回归神经网络法和高斯过程回归法.     

关于锂离子电池Thevenin模型的仿真研究

针对动力电池组运行时,内部的系统参数会随着环境因素和荷电状态(state-of-charge,SOC)发生动态改变,提出一种参数变化的Thevenin等效电路模型;从荷电状态是影响锂电池各参数特性的主要因素出发,将传统Thevenin模型中模拟各模块使用的不变参数用随着SOC变化的动态变量来表示; HPPC获取模型参数,电池仿真端电压基本上跟实际端电压波形吻合,且趋势大致相同;实验结果表明:在正常工作状态下,建立的模型可以有效地反应电池内部的工作特性,有着良好的精度。     

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.     

电动汽车锂离子电池组不一致性分析

锂离子电池不一致性是影响其使用的重要指标,为分析锂电池的不一致性,对8Ah锂离子电池组进行常温下1C,2C、3C,4C充放电实验。实验结果显示：锂电池组的不一致性比较明显;提出了一种基于锂电池纽整体离散度和单体离散度分析锂电池纽不一致性的方法。     

锂离子电池电-热-机耦合特性实验研究及关键参数辨识

针对锂离子电池的电-热-机耦合特性,设计了一套耦合特性综合测试系统,进行了电池不同倍率充放电工况下电-热-机耦合特性的测试与分析,以探究电池电特性、形变、温度的时间演变规律与空间分布特性,可以得到电池荷电状态(state of charge,SOC)-形变曲线具有明显的分段特性,可以辅助磷酸铁锂电池SOC估计的修正。基于该系统测试结果研究了电池充放电过程形变产生的机理,并进行了电池热膨胀系数的参数辨识。实验结果表明:高倍率放电时,在放电初期和中期电池边缘部分膨胀,放电后期收缩,而中心位置在放电初期和中期收缩,后期膨胀;低倍率放电时,电池表现为放电初期和后期整体收缩,中期整体膨胀。研究结果可为电池内部电-热-机耦合特性的理论分析与测试管理提供依据。     

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.     

基于电路暂态分析的功率型动力电池建模

以混合动力汽车用8Ah功率型锰酸锂电池为对象,选取戴维南电路模型等效开路电压、欧姆内阻和极化阻抗,在室温25℃条件下,分充电方向和放电方向的不同开展建模研究.通过增加放电搁置时间将复合功率脉冲试验进行改进,复合脉冲试验数据采用电路暂态分析和最小二乘的方法辨识,得到极化阻抗时间常数τ,不同充放电方向和不同SOC点的电路元件参数,利用Matlab/Simulink工具建立了电池仿真模型,并采用HPPC试验和变电流试验数据对仿真模型进行了验证.仿真结果表明等效电路模型具有较高的精度,能够准确地模拟锰酸锂电池的动态特性.     

基于有限元分析的动力锂离子电池生热特性研究

针对电动汽车用动力锂离子电池的热安全性问题,以某11 Ah动力锂离子电池为例,进行有限元建模分析,分别对锂离子电池单体在不同充放电倍率、不同环境温度以及不同散热条件下的发热情况进行了分析.结果表明,锂电池放电倍率越高温升越高且温度分布越不均匀,良好的散热模式有助于电池温升的抑制和提高电池的热稳定性.定量化的计算仿真结果符合实际,研究结果为该类电池的建模与仿真提供了借鉴和参考,对锂电池单体的设计优化及锂电池热管理系统的研发具有指导意义.     

电动汽车锂离子电池低温加热方法研究

为提高锂离子动力电池的低温充放电性能,以锰酸锂80A.h电池单体为研究对象,提出了宽线金属膜的加热方法,并对电池单体进行低温充放电实验,建立电池加热模型,采用等效电池加热实验验证模型的正确性,对233K低温环境下的电池单体进行加热和放电实验.实验结果表明,采用宽线金属膜加热法可显著提高电池的低温性能.     

电动车用电池发展趋势

电动车发展的关键在电池,因为电池为电动车动力来源.文章主要讨论了电动车用电池的发展趋势,首先介绍了第一代电池,即铅酸电池的性能.缺点,然后探讨了三种第二代电池,即镍氢电池.镍锌电池和锂电池的特点和发展前景.     

软包锂离子电池应力特性及其建模

锂离子电池是一个电-热-力耦合系统,对其充放电过程中力学特性的研究有重要意义。通过位移式应力传感器,测量并分析了软包单体锂离子电池在不同状态下的静态应力以及不同充放电电流下的动态应力特性。研究了电流、荷电状态、历史运行工况等因素对电池应力变化的影响规律,并通过拟合优度分析和相关性检验,建立了可靠的应力特性多元回归模型。研究表明,静态应力与电池SOC有单调对应关系;动态应力产生于充放电过程,且充电电流越大,动态应力越大。所建立的电池应力模型可较好地描述电池在充电不同阶段、不同电流下的应力变化。     

基于RBF-BSA的锂离子电池SOC混合估算算法

为提高锂离子电池荷电状态(SOC)预测精度,提出利用回溯搜索算法(BSA)优化径向基函数(RBF)神经网络的输出权值与阈值的混合算法.通过对锂电池模型中的目标函数进行优化求解,并寻找最佳的目标权值和阈值降低预测误差,提高了RBF网络模型的预测精度.为验证算法的有效性,搭建锂离子电池的充放电实验平台获取数据并对网络进行验证,实验结果表明:混合算法相比标准RBF网络算法具有更好的SOC预测精度,并将网络输出预测误差降低到2%以内,符合锂电池荷电状态估算要求.     

动力锂电池组管理系统的SOC估算研究及实现

针对锂电池的特性,讨论了锂电池组电池管理系统的软硬件结构,在安时计量法的基础上,采用一种在线修正的SOC估算策略,设计了一个基于CAN总线的分布式电池管理系统,建立了系统及其各个组成单元的功能和结构,实现了数据监测、CAN通信、SOC估算、安全预警和温度控制功能.经试验验证,该系统工作稳定且能准确估算电池SOC.     

可编程锂离子电池充电管理芯片分析及研究

本文首先介绍了锂离子电池的研究背景、相关的研究现状和基本理论,包括：锂离子电池的定义、分类、结构、充电原理等;重点介绍了可编程锂电池充电管理芯片ISL6292的充放电性能,对其功能、特性、充电过程、在配变监控终端的应用和现实意义以及实验结果都做了详细的介绍;最后总结了本次研究的工作目标,研究进展情况。