排序方式: 共有115条查询结果,搜索用时 15 毫秒
1.
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. 相似文献
2.
在无补贴消费者、补贴消费者以及补贴回收商3种补贴模式下,构建了动力电池双回收渠道的闭环供应链,并对不同时期的补贴对象选择及其对供应链产生的影响进行了研究。研究发现:在一定范围内,采取补贴措施总是有利于供应链的,不论采取哪种补贴模式,闭环供应链各环节及整体利润总是高于无补贴模式,且相较于补贴消费者,补贴零售商和整车制造商对供应链各环节和整体利润影响较大。但由于政府在不同阶段目标存在差异,补贴对象的选择存在变化。新能源汽车市场初入和早期发展阶段,政府需要通过补贴消费者模式来提升使市场需求量,而当销售市场趋于稳定和成熟时,政府应考虑提高动力电池回收再制造积极性和供应链效率,在补贴两回收商的策略下,更侧重于对整车制造商的补贴,以激发闭环供应链各环节回收再制造积极性,打造绿色低碳动力电池闭环供应链。 相似文献
3.
无迹卡尔曼滤波法(Unscented-Kalman Filter,UKF)在估计动力电池的剩余容量(State of Charge,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,为此采用自适应无迹卡尔曼滤波法(Adaptive-UKF,AUKF)动态估计电动汽车动力电池的SOC.建立了适用于SOC估计的电池模型,辨识相应的电池模型的参数并进行验证,将AUKF应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC.试验仿真结果表明:UKF算法的估计误差在-0.04~0.06之间跳动,而AUKF算法的估计误差平稳的保持在0.05以内,实时修正微小的模型误差带来的SOC估计误差. 相似文献
4.
5.
针对锂动力电池荷电状态(State of Charge,SOC)估计策略,提出了一种基于模型误差EKF-HIF算法的SOC联合估计方法。首先,通过建立电池等效电路模型,利用BP神经网络(Back Propagation Neural Network,BPNN)预测该电池模型误差。其次,推导扩展卡尔曼滤波(EKF)和H∞滤波(H Infinity Filter,HIF)算法流程,根据模型误差选择不同算法进行SOC状态估计。最后,通过仿真验证了该联合估计算法的有效性和可行性。 相似文献
6.
为了解决动力电池状态不一致导致电动汽车电池组容量下降的问题,提出了一种结合变压器正反激原理的动力电池主动均衡方法。该方法首先将变压器作为能量转移器件,实现电池组的均衡系统模组化,均衡模组内电池通过变压器正激原理进行均衡,模组与电池组间利用变压器反激原理进行均衡;然后,根据能量转移方向的不同,分别实现能量从电池组向均衡模组或均衡模组向电池组转移的两种均衡模式;最后,采用基于电池电压的控制策略,通过判断电池电压状态选择相应的均衡模式,实现不同均衡模组的同步均衡。搭建了均衡实验平台,在静置和美国城市循环工况测试条件下,分别验证所提出均衡方法和控制策略的有效性,实验结果表明,与传统基于变压器的均衡方法相比,提出的结合变压器正反激原理的均衡方法具有更快的均衡速度,平均均衡速度可达0.097mV/s。 相似文献
7.
广州中国科学院工业技术研究院(以下简称广州工研院)成立于2005年10月,是由广州市人民政府与中国科学院共建的市属事业法人单位,是国家级技术转移示范机构、中国科学院平台型技术转移与育成中心和中国科学院创新集群建设园区之一,是国家区域性规划建设重点之一,是国家锂离子动力电池生产工艺装备基础服务平台(建设中)和国家物联网标识服务与管理平台(建设中)。 相似文献
8.
9.
传统能源的枯竭,全球气候异常,发展新能源车已成为各国政府看好的"重头戏"。2020年欧洲能源目标中,新能源在欧洲交通系统中占比达10%。我国对电动汽 相似文献
10.