电动汽车蓄电池荷电状态的卡尔曼滤波估计

对电动汽车剩余里程的预测需要一个准确的蓄电池荷电状态(SOC)值，但目前任何方法都不能精确地测量蓄电池的剩余电量，以计算电动汽车蓄电池的荷电状态(SOC)，在对目前常用的剩余电量计量方法分析的基础上，提出了一种基于电流的测量，然后利用卡尔曼滤波估计递推算法对蓄电池SOC进行实时估计，并在MATLB下进行了仿真。     

荷电对单壁碳纳米管稳定性的影响

采用基于密度泛函理论的DMol3程序对荷电的短开口单壁碳纳米管进行了结构优化计算. 结果表明, 体系的总能量随荷电量按抛物线规律变化, 体系的最高占据分子轨道能量随荷电量按线性规律变化, 碳管荷一定量负电荷时总能量最低, 碳管具有正的电子亲合势, 荷一定量负电荷的单壁碳纳米管比电中性的单壁碳纳米管结构更稳定. 荷电量较小时, 单壁碳纳米管的原子结构随荷电量的变化很小, 忽略碳管原子结构的变化仍能得到体系的总能量和最高占据分子轨道能量随荷电量变化的正确定性结果. 荷电量较大时, 开口单壁碳纳米管的端口原子结构首先受到影响, 形成喇叭口形状. 随着荷电量的增加, 碳管端口的原子结构将变得不稳定, 最终导致碳管原子结构的破坏.     

窄脉冲放电荷电器极间不同位置的荷电研究

 研究了不同电压下的窄脉冲荷电,利用密立根油滴仪测量了有无导流柱情况下的液滴荷电量.研究表明,无导流柱的情况下,窄脉冲放电电压低于火花放电电压时,随着电压的增加,气溶胶颗粒的荷电电量也随之增加,当电压达到火花放电电压时,窄脉冲放电的荷电量最大,但当所应用电压大于火花放电电压时,荷电量反而下降.应用导流柱时,可以避免流注放电中等离子区内的电中和,所以应用的电压大于火花放电时,应用导流柱的情况下,气溶胶颗粒的荷电量大于无导流柱时的电压,但当电压低于火花放电电压时,导流柱的应用则不利于气溶胶颗粒荷电.同时也研究了导流柱直径对荷电量的影响,指出导流的直径为2cm时最有利于窄脉冲荷电.研究为以后窄脉冲荷电的应用提供了依据.     

测量荷电水雾水滴荷电量的实验研究

本文对测定荷电水雾水滴荷电量的两种新方法进行了实验研究。结果表明:方波交变电场法在技术上还需作进一步研究和改进;库仑计快速测定法不仅测定准确,且简单灵活、迅适方便,是测定荷电水雾水滴平均荷电量的一种切实可行的方法。     

负电晕放电对柴油机排气颗粒Zeta电位的影响

为了解决荷电凝并技术在降低柴油机排气颗粒数量浓度时颗粒荷电量的大小影响凝并过程的问题,对柴油机排气颗粒的荷电特性进行了试验研究。用颗粒的Zeta电位表征其荷电状态,计算了单个颗粒在负电晕条件下的荷电量;通过改变荷电电压、荷电区温度以及柴油机负荷,探究了各因素对柴油机排气颗粒荷电量的影响。研究结果表明:电压的增高可有效提高颗粒的荷电量,颗粒的Zeta电位绝对值也相应增加;温度升高时,电晕放电的起晕电压下降,相同放电参数下的颗粒荷电量增加;颗粒荷电量随柴油机负荷的增加而增加,全负荷时的荷电效果最好。此项研究可为提高柴油机排气颗粒的荷电效果、建立荷电凝并的数学模型提供参考。     

基于道路坡度信息的插电式混合动力汽车能量管理策略

考虑道路坡度对整车驱动需求的影响,针对插电式混合动力汽车,提出基于道路坡度信息的插电式混合动力汽车能量管理策略,进行车载导航系统在整车能量管理策略中应用的初步探究。根据车载导航系统提供的道路信息,建立坡道行驶电量消耗预估模型,分别对行程中电量消耗阶段和电量维持阶段动力电池的荷电指数进行规划,提出行车预充电时刻规划准则,使车辆在坡道行驶前动力电池的荷电指数达到预定值,保证车辆在坡道行驶时不会因动力电池亏电造成动力不足或过放电有损动力电池的使用寿命,并在上坡行驶结束后动力电池的荷电指数下降到临界值,有利于充分吸收制动回收的电能。利用MATLAB/Simulink仿真平台,对提出的能量管理策略进行仿真验证。本文所提出的基于坡道预测的能量管理策略能够避免动力电池的过放电,确保车辆上坡行驶过程电量充足。     

电动汽车用电池SOC定义与检测方法

为建立电动汽车电池管理系统的需要 ,探求铅酸电池荷电状态 (SOC)的实时测量和估计方法 ,分析了当前 SOC定义在变电流放电情况下出现不适应的原因 ,现有各种荷电状态检测方法的特点和存在的问题。在此基础上 ,对 SOC定义进行了修正 ,提出了“标定荷电状态”和“动态荷电状态”的概念 ,使之能很好地适应电动汽车用电池在变电流状态下的实时荷电状态估计。基于修正 SOC定义的电池荷电状态检测方法和计算模型具有简便、实用和可靠性     

复合电源系统功率分配策略研究

从复合电源系统数学模型出发,选取电机需求功率、电量消耗模式与电量维持模式切换时动力电池的荷电状态、超级电容补电上限及动力电池恒放电功率这4个因子,提出了基于4因子法的复合电源系统功率分配策略。在分析超级电容能量利用率、插电式混合动力汽车运行环境及用电机制的基础上,采用控制变量法分别建立了基于离合器结合转速和混合驱动时超级电容充电状态的2种不同分配策略。试验表明,与基于电机平均功率分配策略相比,全程处于电量消耗模式下的策略其燃油经济性最好且提升了3.15%,从而验证了该策略的有效性。基于模拟退火算法的优化结果,得出了各因子对综合油耗的影响机理,以期为建立复合电源系统功率分配策略提供理论基础。     

高占空比颗粒电场荷电的计算

采用包含颗粒间相互作用的等效场强代替原外场,利用点偶极子模型计算出高占空比颗粒表面的最大场强,并与有限元法的计算结果进行比较,结果表明,对于具有不同介电常数的颗粒来说,在颗粒占空比较高时,这种方法仍具有足够的精度.根据颗粒场致荷电的机理,进一步推导出计算高占空比颗粒电场饱和荷电量和随时间变化的荷电量的近似公式.结果表明,颗粒电场荷电量不仅随场强、颗粒粒径和介电常数的增大而增大,还随颗粒占空比的增大而增大;颗粒电场荷电的速率与颗粒占空比相关,占空比越大,荷电速率越大.     

模拟烟道中粉尘粒子的荷电凝并实验研究

基于电凝并理论,在模拟电除尘器烟道中增设预荷电装置,进行了高压电场荷电凝并研究.实验结果表明,将预荷电装置安装于烟道中,离子浓度比除尘电场中高约1个数量级,有利于提高粉尘的荷电量,增强带电粒子的凝并作用;交变电场比直流电场更利于带电粒子凝并,最佳电场频率为40 Hz;电凝并作用可以使粒子粒径增大21%左右,总除尘效率提高2.6%～3.5%,有利于实现电除尘器的小型化.     

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。     

自适应卡尔曼滤波法磷酸铁锂动力电池剩余容量估计

卡尔曼滤波法在估计动力电池的剩余容量(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,笔者采用自适应卡尔曼滤波法来动态地估计电动汽车用磷酸铁锂动力电池的SOC。首先对电池模型进行了研究,建立了适用于SOC估计的电池模型,然后设计了相应的电池充放电实验检测到模型的参数,并进行了验证,最后将自适应卡尔曼滤波法应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC。仿真结果表明：自适应卡尔曼滤波法能够实时修正微小的模型误差带来的SOC估计误差,估计精度高于卡尔曼滤波法,且自适应卡尔曼滤波法对初值误差具有修正作用。实车循环行驶实验表明算法适用于磷酸铁锂动力电池的SOC估计。     

混合动力汽车电池管理系统SOC的评价

为建立混合动力汽车电池管理系统的需要，探索镍氢电池荷电状态(SOC)的实时测量和估计方法，分析当前一般SOC定义在变电流放电情况下出现不适应的原因，和现有各种荷电状态估计方法存在的问题。为此，根据能量守恒原理，提出了一种新SOC的概念，使之能很好地适应混合动力汽车用电池在变电流状态下的实时荷电状态估计，并且基于新的SOC定义，建立电池荷电状态计算模型，进行仿真分析，简化计算，明确物理意义，提高了SOC的判断精度，减少混合动力汽车的复杂性，减少整车的成本，为混合动力汽车系统优化匹配提供了依据。     

基于奇异值分解无迹卡尔曼滤波的锂电池荷电状态估计

锂电池的荷电状态(state of charge, SOC)是电池管理系统(battery management system, BMS)对锂电池进行管理的重要指标。针对传统SOC估计方法存在的精度低、计算复杂和鲁棒性差等问题,本文提出了一种基于奇异值分解无迹卡尔曼滤波(singular value decomposition unscented Kalman filter, SVD-UKF)的SOC估计方法。该方法利用无迹变换(unscented transformation,UT)提高了计算精度的同时降低了计算量,并且克服了UKF在状态协方差矩阵P非半正定时会出现滤波发散的缺点,提高了算法的鲁棒性。实验结果表明,该算法能够快速收敛于真值,并且将估算误差降低至1%。     

基于PSO RBF神经网络的锂电池SOC估算

针对电动汽车锂电池荷电状态(State Of Charge,SOC)的精准估算,提出一种优化的径向基(Radial Basis Function,RBF)神经网络算法;通过粒子群(Particle Swarm Optimization,PSO)算法优化RBF神经网络的参数及结构,确定RBF神经网络中的基函数的宽度以及中心;根据锂电池的充、放电机理,将SOC的影响因子电压(U)、电流(I)、内阻(R)、温度(T)作为输入向量,在Matlab中进行仿真实验;实验表明方法能够实现准确、快速、便捷的锂电池的SOC估算,其预测结果和实际测量结果的误差在4%以下,符合SOC预测误差5%的技术指标要求,对于电动汽车锂电池SOC的估算有着一定的实际应用意义。     

混合动力镍氢动力电池参数辨识

为实现电池SOC(State of Charge)的精确估计与提高电池模型的精确性,采用等效电路模型PNGV电池试验手册中的标准电池模型,基于辅助变量法和最小二乘法相融合的方法提出了混合动力镍氢动力电池在线参数辨识方法,并利用MATLB/SIMULINK建立电池模型.仿真分析结果显示,所建立的电池模型电压最大误差为4....     

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.     

基于交互式多模型无迹卡尔曼滤波的锂电池荷电状态估计

为了提高传统卡尔曼滤波法估计锂电池荷电状态(SOC)的精度,在锂电池二阶RC等效电路模型基础上,根据隐马尔科夫模型(HMM)理论并采用遗传算法优化构造出了不同参数状态的电池模型。结合交互式多模型(IMM)算法与无迹卡尔曼滤波(UKF)算法进行SOC估计,提出了一种基于HMM的IMM-UKF算法估计锂电池SOC的方法。锂电池在线SOC估计实验表明,该方法比较其他估计方法有着更高的估计精度,平均绝对误差仅为1%。     

基于SOC的电动汽车参与电网调频控制策略研究

大量电动汽车无序接入电网会给电力系统安全稳定运行带来危害。利用汽车入网技术,电动汽车接入电网参与系统调频,但用户出行需求、电池损耗会受到影响。基于此,首先分析了电动汽车动力电池特性,建立了电动汽车参与系统调频模型,通过分析电动汽车动力电池荷电状态概率密度分布,提出考虑电池荷电状态的电动汽车参与系统调频控制策略。最后,模拟了以平抑电网频率波动为目标的电动汽车充放电场景,根据电池荷电状态,基于所提控制策略通Matlab/Simulink仿真,验证了电动汽车参与系统调频实际效果。     

基于采样数据的大规模储能系统一致性控制

针对大规模储能系统中储能电池的荷电状态(SOC)不一致问题，提出了一种储能多智能体系统一致性控制方法，实现了SOC和输出功率的一致性.该方法应用简化的大规模储能系统模型，基于采样数据进行了一致性控制协议设计，并进行了收敛性分析.从而使本地储能单元智能体仅在特定采样时间点接收邻接储能单元智能体的状态信息，就能够产生本地储能单元控制信号，解决了大规模储能多智能体系统因通讯复杂而带来的计算量过大的问题.考虑了采样数据和系统需求，进行了系统控制参数设计.同时，对瞬时功率过大的问题，进行了带功率限制的一致性控制改进.最后，在满足定理条件、不满足定理条件和功率限制等三种场景下进行了仿真，验证了该方法的有效性.