串联电池组电压转换电路的研究

分析了现有串联电池组电压转换电路方案存在的问题,提出了一种基于三极管的电压转换电路,分析了电路原理,进行了仿真和试验.结果表明该电路具有较高的转换精度,且成本低、重量轻、体积小,是电动自行串联电池组电压测量的有效解决方案.     

串联电池组电压测量方法分析与研究

本文在分析比较各种电池电压测量方法的基础上,提出了一种串联电池组电池电压测量的新方法:线性电路直接采样法。该方法采用增益可调性能优良的差动运算线性电路,可以快速跟踪测量单节蓄电池电压,能够有效地抑制测量中的共模电压,为蓄电池的在线监测和快速诊断提供准确的技术参数。     

一种电动汽车锂离子动力电池组一致性评估及维护方法

锂离子动力电池组一致性好坏直接影响着电动汽车使用效率。为了方便动力电池组的使用及维护,需采取一定的方法对电池组一致性进行监控。该文提出一种基于单体电池电压值标准偏差的锂离子动力电池组一致性评估方法,并将电池组一致性分为四个阶段,根据不同阶段采用不同的维护策略。实验通过对电动汽车锂离子动力电池组进行充放电测试,采用文中提出的方法获得了四个阶段的电池组一致性评估曲线,为电动汽车电池使用及维护提供指导。     

纯电动汽车磷酸铁锂电池组放电效率模型

以320V/100A·h磷酸铁锂动力电池组为研究对象,在电动汽车动力电池性能测试试验台上对电池组容量效率、开路电压及电压性效率等特性参数进行了测试.采用二次多项式构建了电池组放电效率模型,描述放电效率与电流及电池荷电状态之间的关系.利用实车测试的电池组放电电流对建立的模型进行了验证,模型的放电效率计算值与实测值的最大相对误差为0.8%,建立的模型是有效的.     

电动汽车用动力电池组SOC的神经网络估计

针对电动汽车用动力电池组的SOC受充放电率、放电历程和温度等因素的影响,传统方法很难建立准确的数学模型,对电池组SOC进行研究,在对动力电池组进行不同工况充放电试验的基础上。建立了电池组的神经网络仿真模型。并分别采用电流输入,电压和电压梯度输入进行了仿真,实现了对电池组SOC的估计。与实验结果对比,仿真结果与实验基本吻合,验证了该方法的正确性。     

基于单片机的直流电源电池监控系统的硬件设计

设计了利用单片机计算电池组的剩余电量,测量单体电池温度和电压的硬件结构以及CAN总线和RS-485两种通信方式的连接方案.本设计着重介绍硬件的连接方法.     

磷酸铁锂电池组的均衡充电研究与应用分析

针对车载磷酸铁锂动力电池组串联充电的需求,搭建了磷酸铁锂动力电池组管理系统,对动力电池组进行了串联充电试验。分析了电池组串联充电过程中单节电池电压和荷电状态不一致的情况,讨论了电池组单节电池的分散性对充电性能的影响,提出了对单节电池进行小电流补充充电的均衡方法,使电池组中单节电池的荷电状态基本相等。理论分析和试验验证表明,电池组串联充电末期,单节电池之间电压相差较大,荷电状态有一定差异,对单节电池补入少量电量(小于5%)即可使得电池组荷电状态一致性得到较大的改善。提出一种阶段式动力电池组均衡充电方法,从而可以避免动力电池组个别电池过充,而其他电池充不满的问题。     

野外充电电压提升器制作探讨

随着无线电测向活动的开展,镉镍电池的野外充电就显得非常重要.为了便于携带现在常用的都以12V的汽车蓄电池作充电源,对无线电测向信号源电池组进行快速充电,但是这种方法有一定的限制,一般不能充大于8.4V的电池组,而测向信号源电池组电压一般在12V-9V间.因而需要一种移动的、轻便的大于12V的充电源电压提升器.但是目前国内市场还没有这类产品.由于活动的需要对此我作了一些尝试制作.     

负脉式电池组充电均衡维护器的作用和原理

随着电动自行车的大力推广,越来越多的普通百姓都用上了电动自行车,但电动自行车的电池维护却成了一个世界性的难题,由于技术所限,大部分电动自行车电池都采用到期换新电池的方法来达到提高续航公里数的目的,这种方法既不经济也不环保。经过本人多年的研究,发现电动车续航公里数下降大部分是因为电池组的平衡失调引起的,而非真正的电池寿命到期,只要我们采取措施让电池组的所有个体电压保持平衡,再加上充电时的负脉冲进行维护,就会大大延长电动车电池的使用寿命。     

一线总线在锂电池组充电管理中的应用

文中介绍了将一线总线器件DS2781用于锂电池组充电过程的管理，简化了电池管理检测电路的结构，通过读取电池组的状态参数。如电池组充电电流、电压、电池串数、温度和充电次数等，并把它们用于电池组的充电过程控制，从而提高了锂电池组充电控制的精确性．充电管理的可靠性和安全性。     

一种矿用动力电池电压高精度监测的方法

随着锂离子动力电池应用技术的快速发展,其逐渐在煤矿井下得到应用。针对煤矿井下锂离子动力电池组各单体工作特性不一致,导致的电池组效率低、寿命短、安全性差等问题进行了研究。实践表明,应用LTC6804对动力电池的电压进行高精度监测,使得电池管理系统管理更加安全、节能和环保,SOC估值更加准确,并且可以提高电池组的使用效率和延长其寿命。     

基于STM32的电池管理系统的研究与设计

为加强电池组的管理与保护以及减少电池组各单体参数之间的差异,设计了一套基于STM32F103VET6的电池管理系统;并提出在电阻耗能法的基础上结合能量转移思想对电池组进行均衡管理。运用MATLAB/Simulink工具建立了锂电池模型,并对电池所采用的均衡方案进行了仿真分析。仿真结果表明:采用改进的均衡方案电压偏差明显减小,单体之间的电压逐渐趋近到一个固定的值。此外通过18650型锂电池对电池管理系统进行了均衡实验测试,求出了均衡前后电压的期望值和方差值。经过对比分析,进一步验证了电池管理系统电压均衡的有效性。     

基于PF-RLS的电池组SOC估算

针对电池组的安时积分法由于传感器的精度、电池老化、积分误差和初值,会导致SOC(state of charge)的估算不准确等问题,对传统安时积分法的SOC初值、标称容量、积分周期等参数进行了改进.在探索SOC与开路电压U_o内在联系的基础上,建立了一阶RC等效电路模型,通过带遗忘因子的递推无参数最小二乘法(PF-RLS)实时在线提取更新U_o,引入对U_o影响较大的电池温度θ变量,建立SOC-U_o-θ三维模型,为改进的安时积分法提供准确的初值,在考虑电池组不一致性的基础上,提出基于电池组的最大电压、最小电压融合算法,进行了FUDS(federal urban driving schedule)工况检测和实车工况验证.结果表明:PF-RLS在线提取U_o的精度为2.55%,单体电池SOC的精度为3.20%,电池组SOC算法的精度为4.00%,满足QC/T 897—2011 《电动汽车用电池管理系统技术条件》的要求.     

新型车用蓄电池检测仪的设计

基于单片机最小系统,针对在线蓄电池工作状况,设计了新型车用蓄电池检测仪。在剩余电量检测中将开路电压法和安时积分法相结合,相对于已有的一些剩余电量检测方法,该方法不仅可以更精确地检测剩余电量,而且能够分析出电池的老化程度。提出分电池检测法,能够对电池组工作中的不平衡情况发出警报,保证电池组的良好运作。在软硬件方面很好地实现上述功能,并设计了操作便捷的人机界面。     

铁路客车分压供电装置自动控制系统性能分析

目前我国铁路客车供电系统存在一些缺点,如供电电压不能同时满足用电器和蓄电池组充电的需要等。为了解决这些问题,我们研制了分压供电装置。本文分析了该控制系统的组成、传递函数和稳定性,还分析了该系统的频率特性、时域响应和稳态误差。     

电动汽车电池组内部绝缘故障研究

为了检测电动汽车动力电池组内部的绝缘情况,基于注入电压法的有源式绝缘检测,建立了电动汽车电池组内部绝缘电阻故障检测模型,并在此模型的基础上研究电池组内部单点绝缘故障问题及其定位。理论分析推导与模型仿真相结合,对模型中绝缘电阻值计算与故障定位进行误差分析。     

基于ARM的矿用动力电池管理系统研究

随着矿井自动化、信息化、智能化生产的不断发展,矿用动力电池组及其管理系统在矿井下的应用前景越来越广泛。通过对动力电池管理系统和井下环境的分析,确立了电池管理系统的基本功能,设计了一款基于ARM的矿用动力电池管理系统,实验结果表明这种管理系统的有较高电压测量精度和较好的均衡效果。     

基于实时电路模型的储能系统锂离子电池状态估算

为了充分发挥锂离子电池在电力系统储能中的潜力,需要准确了解电池组的荷电状态(state of charge,SOC)和健康状态(state of health,SOH),为此,提出一种新的SOC和SOH估算方法.该方法基于锂离子电池二阶电路模型,将锂离子电池实际运行过程中的输出电压测量值和所建立的仿真模型端口电压进行比...     

Ni／MH电池和电池组放电过程中剩余容量的估算

以D型镍氢电池或电池组在一定的工作电流范围内,测出不同放电电流下的一组放电曲线,结合Peukert公式的适当变化,利用计算机程序实现了电池（或电池组）在任一工作电流下的放电曲线的模拟,模拟得到的曲线与实际测量的曲线极其相近,达到了对电池或电池组荷电状态及尚能继续工作时间的估算。     

利用免疫进化网络的镍氢电池组荷电状态预测

针对电池组建模困难的情况,利用计算智能算法训练的前馈神经网络来预测荷电状态,选择电池组放电电流、最小单体电池电压和最小电压的导数,以及电池组平均温度作为神经网络的输入,荷电状态为网络的输出.在训练网络权值时,为了克服BP算法的缺陷,采用自适应并行免疫进化策略训练网络权值,在变功率运行工况下,通过对预测的和实际的荷电状态的比较,验证了所提出的神经网络预测精度可达到5%.