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%。     

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.     

基于Simulink的三元锂电池建模与仿真研究

为了方便实时估算三元锂电池的荷电状态,对三元锂电池建立二阶RC模型,结合混合脉冲充放电试验并通过最小二乘法对二阶RC模型进行参数识别,提出基于安时积分法策略的扩展卡尔曼滤波的荷电状态估算方法.在Matlab/Simulink中建立仿真模型,仿真结果表明,与实际的荷电状态值相比,该估算方法可以估计电池的荷电状态,误差在3%以内.     

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Sage-Husa自适应滤波算法的锂电池荷电状态估计

当噪声的统计特性未知时,基于锂电池的戴维宁等效电路模型并使用扩展卡尔曼滤波(EKF)方法进行在线估算锂电池的荷电状态,会导致精确度迅速下降,容易发散。本文使用Sage-Husa自适应滤波算法来代替扩展卡尔曼滤波算法,并利用Matlab进行建模仿真比较。仿真结果误差大幅度减小,曲线趋于平滑。结果表明,在干扰噪声未知的环境下,基于Sage-Husa自适应滤波的荷电状态估计可以提高荷电状态在线估计的精度。     

一种充放电双时间常数动力锂电池的建模与仿真

根据动力锂离子电池充放电特性建立了一种采用快慢电容回路模拟充放电双时间常数动力锂电池的电池模型.详述了模型建立的理论推导过程,经仿真表明,该模型能够准确地反映动力锂电池充电及放电特性以及荷电状态(SOC)的动态变化.     

锂离子电池荷电状态的在线融合估计方法

为提高安时积分法对荷电状态估计的精度,解决其估计误差随时间不断增大的问题,采用极限学习机算法建立了安时积分法的误差预测模型,该模型以电池工作电流作为输入,对应的安时积分法荷电状态估计误差作为输出,将误差预测模型与安时积分法进行融合,对安时积分法的荷电状态估计值进行校正,形成了安时积分法和极限学习机方法融合的锂离子电池荷电状态在线估计方法.仿真分析结果表明,相比安时积分法,融合方法可有效减小荷电状态估计误差,克服安时积分法估计误差随时间不断增大的问题.     

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。     

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.     

改进PSO优化LSSVM的锂电池SOC估算模型

为提高锂电池荷电状态(SOC)的估算精度,提出一种改进粒子群优化(PSO)算法;对最小二乘支持向量机(LSSVM)的惩罚参数C和核函数参数σ进行寻优,建立基于改进PSO-LSSVM的锂电池SOC估算模型.对磷酸铁锂充放电实验数据进行仿真分析,结果表明:改进PSO-LSSVM模型的平均相对误差为2.96%,均方根误差为0.018,全局最大相对误差为4.79%;改进PSO-LSSVM模型明显提高锂电池SOC估算精度.     

电动汽车动力传动系统参数设计及动力性仿真

对电动汽车动力传动系统参数设计的原则和方法进行了探计，并以CS7101轿车为研究对象，对电动汽车动力传动系统的参数进行合理选择，以铅酸电池作为动力源，提出了荷电状态SOC的计算方法，分析了铅酸电池的电动势E0、内阻R0、极化电阻Rr随荷电状态SOC变化的关系，并根据铅酸蓄电池容量与温度的关系，对铅酸蓄电池的容量进行了温度补偿，为设计和改进电池能量管理系统的性能奠定了理论基础，建立了动力传动系统的动力学模型，在此基础上对基于SC7101的电动轿车的动力性能进行了计算机仿真试验，进一步分析了影响电动汽车续驶里程的，并提出了增加行驶里程的措施，仿真结果表明，对铅酸蓄电池电特性的分析和建立的动力学模型是正确的，该电动汽车的动力性能完全满足设计指标要求。     

采用等效电路的参数自适应电池模型及电池荷电状态估计方法

针对电池离线参数辨识复杂、模型系统误差无法在线校正等问题,提出基于等效电路的参数自适应电池模型及电池荷电状态估计方法。该方法设计了针对动力电池的自适应参数观测器并证明了稳定性,通过在线估计电池参数从根源校正模型误差,建立滑动平均滤波器对估计参数滤波降噪,利用多时间维度思想周期性更新电池模型,并结合卡尔曼滤波算法进行荷电状态估计。搭建电池充放电测试平台进行实验,实验结果表明:城市道路循环工况下,基于参数自适应电池模型的卡尔曼滤波电池荷电状态估计误差小于3%。该算法简单、准确、适应性强,对于多变环境、长周期使用条件下的动力电池监测具有较高的实用价值。     

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%。     

一种估计锂电池充电状态的分数阶阻抗模型

针对电动汽车动力锂电池的充电状态估计问题,提出一种基于锂电池电化学阻抗谱的分数阶阻抗模型。该模型通过对不同频率下的锂电池电化学阻抗谱进行分析,归一化为一种简单的等效电路,引入分数阶建模思想,设计与分数阶阻抗模型相适应的分数阶卡尔曼滤波器,利用锂电池HPPC测试对该模型进行参数辨识,使用Simulink软件对锂电池的工作电压以及充电状态进行仿真,并将仿真结果与测试结果进行对比分析。分析结果表明:利用所建立的分数阶阻抗模型对锂电池工作电压进行估计,其误差可以稳定在0.05V以内;对初始状态未知的锂电池的充电状态进行估计,其误差可以有效地稳定在2%以内。所建立的分数阶阻抗模型可以准确地预测锂电池的充电状态,可为电动汽车动力电池管理系统提供有效的状态估计。     

不同荷电状态高比能锂离子电池热失控特性的研究

随着新能源汽车锂电池市场的高速发展，电池能量密度不断提升，从而导致车用锂电池在外部滥用条件下更易引发热失控，并且会释放出更多的能量，产生更大的破坏力。以不同荷电状态的某方形三元锂电池为研究对象，在密封环境下对其进行加热触发的热失控试验。通过对各试验组电芯失效时的温度、产气量及瞬间压力等关键参数进行分析和比对，得知荷电状态的高低对锂电池热失控行为有显著影响。在荷电状态增大的情况下，锂电池的温度、产气量和瞬间压力等各项指标的热失控值均显著上升，说明电池失控造成的破坏性也随之增强。研究成果可以为该型三元锂电池在运输、存储过程中安全荷电状态阈值的确定提供参考。     

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。     

车用锂离子电池荷电状态参数辨识的建模仿真

为得到较为准确的电池荷电状态（SOC）参数,以厦门理工学院纯电动赛车用锂离子电池作为研究案例,采用二阶RC等效电路模型对锂离子电池进行HPPC充放电试验;然后,将实验数据导入Matlab的参数估计模块后,对电池荷电状态性能参数进行辨识。在Matlab的Simscape模块中建立锂离子电池的仿真模型,将仿真结果与实验结果进行比较,利用拟合工具箱对比不同阶次下RC等效电路模型的拟合精度。结果表明,锂离子电池的电压在放电脉冲开始及结束阶段时偏差较大,静置阶段则趋于平稳,二阶RC等效电路模型能够较为简便地反应锂离子电池的工作特性,且具有较好的拟合精度。锂离子电池仿真模型与实验测试的误差在2%以内,验证了所建立的仿真模型的可行性。     

一种变参数模型平方根UKF锂离子电池SOC估计方法

荷电状态(state of charge,SOC)估计是现代电池管理系统的一个重要方面.扩展卡尔曼滤波(extended Kalman filter,EKF)等基于锂电池的戴维南等效模型的方法已被广泛用于SOC估计,但其在雅可比矩阵的推导和线性化精度等方面存在不足.提出了基于变参数模型的平方根无迹卡尔曼滤波(square root unscented Kalman filter,SRUKF)方法估算SOC,该方法不需要对非线性模型进行线性化,同时平方根特性改善了状态协方差的数值性质.变参数模型是在2阶戴维南等效模型的基础上令锂电池的各项参数随电量变化而得到的,减小了因固定参数模型无法反映不同电量下参数变化造成的误差.实验验证了该方法的有效性,与现有的SOC估计方法EKF、常规的UKF以及使用固定参数模型的估计结果进行了比较,该方法的误差明显小于其他3种方法.     

基于STEKF的锂离子动力电池SOC估算

为能在线准确估算电动汽车动力电池的荷电状态(SOC),提出了一种基于强追踪扩展卡尔曼滤波(STEKF)的锂离子电池的SOC估算方法,该滤波器引入了多重次优渐消因子;以某型锂离子电池为研究对象,基于电池的外特性及相关机理,建立了电池的二阶RC等效电路模型,使用最小二乘法辨识模型参数,然后按照等效电路模型建立电池的STEKF非线性状态空间方程,最后在ECE15工况下进行仿真。结果表明,STEKF估算电池SOC的误差保持在2%以内,该方法能准确估算电池的SOC。