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.     

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.     

不同温度下磷酸铁锂电池的模型参数敏感性分析

为实现电池的高精度状态估计,对磷酸铁锂电池进行了4个不同温度下的基础性能实验,同时设计了一种变温工况下获得全荷电状态（SOC）范围的开路电压实验方法,为建立考虑温度因素的二阶RC电池模型以及参数敏感性分析提供数据支持。此外,利用不同温度下的混合功率脉冲测试数据,基于粒子群优化算法辨识得到了不同温度下准确的模型参数。最后,基于单次单因子法对已建立的电池模型中各个参数进行敏感性分析,分析结果对考虑温度的参数辨识和状态估计工作具有借鉴意义。     

基于线性回归的架空导线热路模型集总参数辨识

为提高架空导线热路模型计算精度,设计了架空导线温升实验平台。在自然对流条件下,对不同载流时LGJ-240和LJG-400导线的热动态过程进行了实测。提出了基于线性回归分析的架空导线热路模型集总参数辨识方法,建立了热路参数与电流之间的函数关系。辨识结果表明:架空导线等效热阻与传统计算值较为接近,且随着电流的增加呈减小趋势;等效热容与传统计算值差异明显,不随电流单调变化,更具随机性;利用辨识方法得到的热容和热阻求解架空导线热路模型响应,误差小于1.28%,精度明显高于传统方法。     

基于IUPF算法与可变参数电池模型的SOC估计方法

针对常用电池模型参数固定和适用范围有限的问题,建立受温度和SOC影响的可变参数的Thevenin模型,并利用实验设计(DOE)方法和最小二乘法对模型参数进行辨识.针对系统噪声较大时影响算法估计精度的问题,提出了一种改进的无迹卡尔曼粒子滤波(IUPF)算法.将系统状态噪声和量测噪声两者同时引入到采样点中,对其进行对称采样处理,同时将其引入到算法计算过程中以保证算法的精度.在可变参数Thevenin模型基础上采用的IUPF算法,在保证模型适用范围的同时减小了噪声对系统估计精度的影响.实验及仿真结果表明,基于IUPF算法与可变参数电池模型的SOC估计方法在解决现有电池模型适用范围有限、保证模型精度的同时,在多个温度下对SOC有较高的估算精度.尤其在系统状态噪声、量测噪声影响较大时,算法估算精度有了明显提高,且对由模型参数所带来的扰动具有良好的鲁棒性.     

基于多新息卡尔曼滤波算法的锂电池SOC估计

针对锂离子电池荷电状态(SOC)较难准确获取的问题,依据锂电池等效电路模型,建立起各参数与SOC的联系,利用脉冲放电的数据对模型进行参数辨识.通过Mat-lab/Simulink验证了模型的正确性和精确性.将扩展卡尔曼滤波算法(EKF)融合多新息理论,建立了多新息扩展卡尔曼滤波算法(MIEKF)估计电池SOC的方法,该方法通过对旧信息的重复使用提高了EKF的估计精度.在美国城市道路循环工况(UDDS)下分别采用EKF和MIEKF算法来估计锂电池SOC,两者估计的最大误差分别为0.0176、0.0087.实验数据表明MIEKF算法估计电池SOC更准确.     

基于新电源模型的动力锂电池荷电状态估计研究

锂电池的等效电路模型与电池内部电化学状态不一致,对电池状态的估计不可避免地存在很大误差.基于算法的补偿不能从根本上解决问题.故提出一种基于电池内部电化学反应和电池的外部特性关系的电源模型.经实验测试,该电池模型与现有的电池模型相比精度较高.     

非晶硅薄膜太阳能电池热模型的模拟与实验研究

为了研究柔性非晶硅薄膜太阳能电池(a-Si PV)在晴和多云天气下的温度值,基于能量守恒法建立了a-Si PV的光热模型,考察了各部分参数取值,编写了微分方程的求解程序,并设计研制了一套实验模型进行验证.实验结果表明:a-Si PV电池的温度受日照辐射强度的影响最为显著;安装角度和环境温度也在一定程度上影响a-Si PV的温度值;晴天时的温差大于多云天气下的温差.实测值与模拟值对比表明:该模型可以准确模拟PV温度在晴和多云天气下的变化;数值结果与实验结果最大差值为3.9°C,主要原因是多云天气日照辐射强度的波动性和PV材料热容引起的热响应时滞.建立的a-Si PV热模型考虑了主要的影响因素,可较为准确地得到在晴和多云天气下的温度变化.     

模型法估计电动汽车动力电池健康状态

本文对动力锂离子电池的不同数学模型进行了分析,提出不同的参数辨识方法。利用不同电池模型及参数辨识方法对电池的健康状态进行了估计,并进行实验验证。研究结果表明:可通过电池模型的内阻变化对电池健康状态进行估计,估计误差绝对值不大于3%,并且随着模型精度的提高,其对电池健康状态的估计也越准确。     

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%。     

基于多新息扩展卡尔曼滤波的锂离子电池SOC估计研究

锂电池具有高能量密度、循环寿命长等优点而被广泛应用于电动汽车动力装置,但车辆运行状况复杂多变,且电池内部呈现高度非线性的性质,导致电池荷电状态(SOC)难以准确计算。为优化锂电池SOC估计精度,构建结合Warburg元件的分数阶二阶RC模型,采用自适应遗传算法进行参数辨识;融合多新息理论和扩展卡尔曼滤波算法,提出基于多新息扩展卡尔曼滤波(MIEKF)的锂离子电池SOC估计算法,并利用试验数据验证该方法的有效性,为提高SOC估计精度和车载锂电池的循环使用寿命提供了新的方法途径和实践支撑。     

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。     

第一类边界条件下的松散煤体非稳态传热反问题研究

为实现松散煤体热物性参数的高效准确获取,对第1类边界条件下的松散煤体非稳态传热反问题进行了研究.利用超级恒温水浴生成恒温水介质,结合底部为黄铜板的试样盒构建恒温边界,然后基于第1类边界条件下的一维非稳态传热模型,利用随机共轭梯度法估计松散煤体导热系数和比定压热容等.参数灵敏度分析表明,松散煤体导热系数与比定压热容可同时估计,但因比定压热容灵敏度系数较低,导致参数反演估计精度不高,从而采用先估计热扩散率,然后再对比定压热容进行修正的策略,实现了松散煤体导热系数及比定压热容的准确估计.通过建立的测试装置,进行了松散煤体热物性参数估计实验.结果表明:采用的松散煤体热物性反演估计算法具有较好的准确性和抗不适定性,初始猜测值对参数反演估计结果没有明显影响,而温度测量标准差达到0.6时,参数反演相对误差也仅为7.53%.     

基于磁纳米测温的IGBT热网络参数评估方法

提出一种基于磁纳米测温的绝缘栅双极晶体管(IGBT)热网络模型估计方法,可用于在线评估降维简化的IGBT热阻-热容网络模型.分析了磁纳米测温的理论模型和热网络传递模型,通过磁性纳米测温获得IGBT外壳背部的升温和降温曲线,从而估计热网络模型参数.通过设计的热网络模型参数估计系统和实验流程进行了仿真和实验,结果均验证了基于磁纳米测温的IGBT热网络模型参数评估方法的可行性,这种精确的在线估计方法能为评价IGBT内部热累积效应提供重要依据,也给出了实现大功率器件热安全性的在线评估解决办法.     

基于BCRLS-AEKF的锂离子电池荷电状态估计及硬件在环验证

研究有色噪声下的锂离子电池参数辨识与荷电状态（SOC）估计,并进行硬件在环实验验证.在动力电池模型的参数辨识过程中,利用带遗忘因子的偏差补偿递推最小二乘法进行偏差补偿,提高了有色噪声数据的参数辨识精度.在此基础上,利用自适应扩展卡尔曼算法进行SOC估计,使得滤波算法中的估计结果可以随着噪声统计特性的变化而自适应更新,实现了模型参数和电池状态的联合估计.最后,借助BMS测试系统模拟电池电压电流信息输出,完成了硬件在环实验以验证所提出的方法.实验结果表明,利用所提出算法估计得到的电池端电压和SOC误差分别小于10 mV和0.5%.      

锂离子电池的热失控模拟

通过锂离子电池的热模拟研究,对比了不同环境温度时,锂离子电池的温度变化和热失控状态. 进一步模拟了绝热条件下,锂电池的热失控状态.     

基于FFRLS-AEKF的6轮足机器人电池SOC估计

针对6轮足机器人动力电池的荷电状态(state of charge, SOC)估计精度低、电池模型准确度不高等问题,提出一种基于带遗忘因子的递推最小二乘(recursive least squares with forgetting factor,FFRLS)与自适应扩展卡尔曼滤波(adaptive extended Kalman filtering,AEKF)相结合的估计算法。首先通过FFRLS算法辨识建立动力电池等效模型参数;然后利用AEKF对SOC在线估计,并为参数辨识提供准确的开路电压;最后以机器人锂电池包为对象,在动态应力测试工况(dynamic stress test , DST)下实验验证了该算法可以准确地估算动力电池SOC,SOC估计相对误差在2.5%以内。      

基于二阶Thevenin模型的锂电池建模仿真

介绍了几种典型的电池模型,选取二阶Thevenin模型作为研究对象.对锂电池进行了性能试验,通过HPPC试验对电池模型参数进行辨识.借助Matlab中cftool工具箱对试验数据进行多项式拟合.在Matlab/Simulink中搭建仿真模型并进行仿真试验,通过对仿真和试验结果的对比分析,验证了锂电池模型参数辨识的有效性.分析了仿真误差增大的原因,提出了进一步提高电池模型参数精确度的方法.结果表明:该模型可以准确地描述不同工况下的锂电池外特性,随着电池SOC的降低,仿真误差有所增大,当SOC0.2时,仿真误差增大较明显.     

基于FFRLS-AUKF的锂电池参数在线辨识及SOC估计

针对锂电池模型参数辨识不准确以及传统无迹卡尔曼滤波(UKF)无法对噪声进行实时更新,从而导致锂电池荷电状态(SOC)估计误差偏大的问题,提出遗忘因子递推最小二乘法-自适应无迹卡尔曼滤波(FFRLS-AUKF)算法。先利用遗忘因子递推最小二乘法(FFRLS)对电池二阶RC等效电路模型进行在线参数辨识,再将所辨识的各参数传给由UKF和改进的Sage-Husa算法结合得到的AUKF,从而完成对锂电池的SOC估计,并将其与FFRLS-UKF以及离线UKF所估计的结果相比较。从对SOC估计的误差曲线和平均绝对误差以及均方根误差的数值上对比,均可得出FFRLS-AUKF的精度更高,稳定性更好。     

一种可用于BMS功能验证的动力锂电池模拟器设计

基于MatlabSimulink的Simscape模块,建立了电池二阶等效电路模型,并进行了参数辨识和模型验证,完成了硬件电路和软件设计,从而构建了一种新的动力锂电池模拟器.仿真和测试结果表明:在对电池模型进行参数辨识时,增加荷电状态在0至0.10区间的间隔点,可进一步提高电池模型精度;在HPPC循环放电工况下,电压最大误差不超过0.07 V;在动态运行工况下,电压最大误差不超过0.12 V;在不同的荷电状态下,动力锂电池模拟器电压输出最大误差为1.9 mV,相对误差为0.53‰,验证了所设计的动力锂电池模拟器具有较高的精度,可用于电池管理系统的功能验证.