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.     

基于扩展卡尔曼滤波算法的二阶电池模型SOC估算

电池荷电状态(SOC)的精确估算可以为电池管理系统控制策略提供有效判据,能够提高电池的工作效率,并延长其使用寿命。本文运用MATLAB/Simulink平台对锂电池单体进行了建模与仿真,并通过MATLAB的cftool工具箱辨识出二阶模型的各个参数,然后利用扩展卡尔曼滤波算法(EKF)对电池SOC进行了精确估算。分别在确定和不确定SOC初始值两种情况下对算法进行了仿真与验证,结果发现SOC平均绝对误差小于0.01,电压平均绝对误差小于0.005 V,这表明EKF算法在电池SOC估算方面具有精度高、收敛快和实用性较强的优点,可以用于电池SOC的精确估算。     

多时间尺度下锂电池在线参数辨识及SOC估计

为了解决锂电池内部参数时变性和SOC估计不准确等问题,提出了一种电池模型参数在线辨识与SOC联合估计算法.在二阶RC等效电路模型基础上该联合算法于宏观时间尺度下采用无迹卡尔曼滤波算法在线辨识电池模型参数,并联合微观时间尺度下的扩展卡尔曼滤波算法估计锂电池SOC,在UDDS工况下验证了该联合算法对锂电池SOC的准确实时估算.实验结果表明,传统离线参数辨识下的锂电池SOC估计算法的平均绝对误差和均方根误差分别为1.52％和1.80％,在线参数辨识下的锂电池SOC估计算法的平均绝对误差和均方根误差分别降低到0.90％和1.12％,EKF-UKF联合算法提高了SOC估算的精确性和鲁棒性.     

基于DSP的电动汽车电池管理系统的设计

在大量充放电模拟试验和随车试验数据采集的基础上,构建了基于数据信号处理器（DSP）芯片TMS320C2812的电池管理系统,实现了数据监测、荷电状态（SOC）估计、控制局域网（CAN）通信及USB存储等功能．在SOC估计算法上,根据电池所处状态进行了分类分析,并对估算难度最大的电池动态放电状态的算法进行了仿真实验．实验结果表明,该算法对镍氢电池的SOC能进行准确预测,并具有较高的精度．     

分布式电池电源模块储能系统的荷电状态均衡控制

针对储能系统中锂电池充放电程度不一致而造成的电池过放/过充,从而导致电池使用寿命缩短的问题,提出了一种分布式储能系统的荷电状态(SOC)均衡控制方案。首先,采用单体电池电源模块串联的分布式储能结构,以单体锂电池估算SOC为控制对象;然后,设计基于SOC均衡的加权因子分配公式,通过对电源模块分配不同的加权因子来调整各电源模块的占空比,从而动态调节各单体锂电池的充放电速率,实现分布式储能系统的SOC均衡控制,改变了传统电池组组内、组间两级均衡控制形式,消除了组内单体锂电池间能量传递造成的功率损失;最后,采用负载电压调节与SOC均衡的双闭环控制结构,保证均衡过程中系统运行的稳定性。仿真结果表明:所提出的均衡控制方法能够有效实现储能系统的动态均衡控制,与SOC比例均衡控制方法相比均衡时间缩短了47%。     

基于环境变量建模的锂电池SOC估计方法

通过对不同温度和锂电池荷电状态(SOC)下电池内部参数测定和评估,分析了影响参数变化的环境因素,建立了可变参数的锂电池Thevenin模型.讨论了模型的分段依据以及相关参数的测定和拟合方法,并采用扩展卡尔曼滤波算法(EKF)对锂电池SOC进行估算,给出了基于温度修正的改进SOC估计方法.所提出的电池模型解决了现有算法中模型适用范围局限性的问题,仿真和实验结果表明,所建立的基于锂电池Thevenin模型的SOC估计方法在较宽的温度范围内都能够获得较高的估算精度.     

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.     

基于滑模变结构的卡尔曼滤波对电池SOC的估算

针对卡尔曼滤波算法在锂离子电池荷电状态的估算中存在的稳定性差、系统噪声不确定性等问题,提出了一种基于滑模变结构的卡尔曼滤波算法对锂电池荷电状态(state of charge,SOC)进行动态估算。其基本思路是建立RC等效电路模型,并应用指数趋近律滑模变结构来改善卡尔曼滤波算法的不稳定性,从而提高SOC估算精度。仿真及实验结果表明,所提出的基于滑模变结构的卡尔曼滤波算法在锂电池SOC的估算方面具有良好的精度,误差范围在3%内。     

电动汽车锂电池组的新型双向均衡法

由于电池制造工艺的制约导致生产出的电池间存在一定的离散性,多次充放电后不一致性更加严重,因此有必要对电动汽车电池组进行均衡.在分析了锂电池间不一致性的基础上建立了双向均衡结构,采用粒子滤波PF(Particle Filter)法估算电池初始剩余电量SOC(State Of Charge),提出了先让高SOC电池放电和先给低SOC电池充电的均衡法.该方法相比传统基于充电电压的均衡法能更精确的反映电池能量状态.实验结果表明,对于要求低能耗的系统采用先让高SOC电池放电均衡至±2%平均SOC界限范围;对于要求均衡结果一致性较高的系统采用先给低SOC电池充电均衡至±1%平均SOC界限范围.该均衡方法有效改善了电池组间的不一致性,对于提高电动汽车锂离子电池的使用寿命和续航里程具有实际意义.     

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EKF算法的磷酸铁锂电池在线SOC估算

文章针对大倍率放电条件下,磷酸铁锂电池极化效应加剧变快的现象,考虑了电流对极化参数值影响的电池模型,基于改进后的电池模型,搭建了由dSPACE、可编程电源及电子负载组成的可控电池实验台架,并应用卡尔曼滤波理论对磷酸铁锂电池进行在线SOC状态估算;实验结果表明,改进后的电池模型提高了SOC估算的精度。     

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。     

无迹卡尔曼滤波对锂电池荷电状态估算的研究

由于动力锂电池参数具有受外界干扰影响大、电池模型非线性的特点,现有的荷电状态(SOC)估算方法并不能完全满足精度和实时性的需要。在综合考虑模型的精确性和实际工程计算复杂程度后,提出使用经验公式模型,在模型的基础上采用无迹卡尔曼滤波(UKF)算法对电池SOC进行估算。通过对比动力锂电池放电实验得到的数据,检验算法估算效果。实验结果表明:UKF算法能够准确跟踪动力锂电池放电变化情况,对动力锂电池SOC的估算误差在2%左右,相比于传统算法在精度上有较大的提高。     

锂离子电池管理系统研究

在分析锂离子电池性能和工作原理的基础上,对车用动力锂离子电池管理系统进行了设计。系统的功能模块主要包括电池保护模块、电池监测模块、SOC模块和均衡充放电模块。最后利用CAN总线对其进行通讯设计。     

一种基于DSP的锂离子电池管理系统的设计与应用

设计了一种基于DSP的锂离子电池管理系统,以DSP为核心处理器,设计了采样电路、通讯接口、控制接口等。能够实现单体电池电压、总电压、电流、温度的检测,具有SOC估算、通讯、计算机监测等功能,该电池管理系统结构简单,使用方便,能够很好的满足实际使用的需要。     

集成方式对磷酸铁锂电池组SOC间偏差的影响

基于Matlab/Simscape平台建立了单体电池模型,模拟分析了单体电池间连接片阻值及电池管理系统(Battery Management System,BMS)中单节电池电压采样输入阻抗对电池荷电状态(State of charge,SOC)间差异的影响.结果表明,放电过程中与单节电池极柱相连的单体电池SOC最低,易出现过放现象,以设定的单体电池间SOC最大偏差为约束,讨论了单节电池内部不同并联电池数目下连接片阻值的匹配范围;外载漏电流的存在导致单节电池SOC间存在偏差,分析了外载漏电流随电压采样输入阻抗、模组间串联电池数的变化规律,据此提出了建立不同循环次数下的电池组SOC估算偏差修正系数,从而对电池组SOC估算值予以修正的电池管理系统安全控制建议.     

纯电动汽车电池管理系统的设计及应用

针对目前唯一可以产业化的纯电动汽车使用的主要能源动力电池,设计开发了电池管理系统。系统以单片机为核心,采用分布式网络控制系统结构,可以实时检测动力电池的各种运行参数:电池SOC、总电压、总电流、单体模块电压、电池包内特征温度;可以根据电池状态进行故障诊断和报警,同时具有热管理功能等;系统参数通过PC进行标定,通过CAN总线与整车其他系统进行通信实现信息共享。系统已经在BK 6121EV纯电动公交客车上安装。实验室和实车试验结果表明:系统电池电压测量精度为1%满足要求,系统各个功能运行稳定、可靠。     

无轨电车用锂离子电池管理系统的研究

为了配合锂离子电池在无轨电车上的应用,提出了一种针对无轨电车运行环境的锂电池管理系统,能够对车载电池进行故障诊断、分级报警和优化充电.本文主要分析了无轨电车环境下电池运行模式的特点,针对原有铅酸电池的使用和管理问题,提出了更加优化合理的锂离子电池使用方法和控制策略,就电池的故障分级、电池荷电状态(SOC:State of Charge)估算、电池有效利用容量区间、充电电流的计算方法进行了深入研究,提出了多种特殊处理方法,较好配合了锂离子电池在无轨电车上的安全高效使用.     

基于电化学阻抗谱的电池荷电状态估计

提出一种基于电化学阻抗谱(EIS)的电池荷电状态(SOC)估计方法。通过对磷酸铁锂电池在不同SOC以及不同温度下的EIS进行测量,利用高、中、低频全频带信息,从幅值和相位两个角度归纳总结了电池EIS的变化特性。结果表明,特定频率下的电池阻抗相位在温度一定时与电池SOC有较强的线性关系,可作为SOC估计的参数。建立了基于EIS的电池SOC估计算法,初步验证了利用EIS估算电池SOC的可行性。     

考虑温度的电池荷电状态估算和主被动均衡

电池的荷电状态(SOC)估算和电池均衡作为电池管理系统BMS的核心功能,对电池的一致性和使用寿命、安全等至关重要。在电池的工作期间,温度直接影响了电池的可用容量和放电特性,从而加剧了SOC的估算误差。因此,本文考虑了温度对电池的影响,对SOC估算方法进行了改进,并利用主被动均衡改善了单体一致性问题。首先,通过建立电池的热特性模型对电池的内部温度进行估计,将温度估计结果对扩展卡尔曼滤波(EKF)算法进行了改进,再使用该算法进行SOC估算。并分别在UDDS、DST、HPPC工况下验证了本文改进的算法对提高SOC估算精度的有效性。其次,以更高精度的SOC估算结果作为变量,本文提出了一种主被动均衡电路并合理设计了均衡策略。最后,在仿真验证下,本文改进的EKF算法显著提高了SOC的估算精度,并通过主被动均衡实现了DST工况下一组SOC极差为13%的六节单体电池之间的快速均衡。研究结果表明,本文改进的方法能有效降低温度带来的SOC估算误差,改善了电池单体间的不一致性问题。