机载锂电池SOC估算方法研究与实现

为了解决机载锂电池的荷电状态估算问题,针对飞机应急供电这一特殊运行环境,提出了一种基于扩展卡尔曼滤波的机载锂电池荷电状态估计方法。该方法通过构建状态方程和量测方程,经历预测、修正和估算3阶段,实现对机载锂电池的荷电状态估算。基于该方法设计并实现了机载锂电池地面检测与维护设备。实验结果表明,该方法能够实现机载锂电池的荷电状态有效估算,提高了锂电池机载运行的可靠性和稳定性。     

变温度下EKF和UKF的锂电池SOC估算对比

动力电池的荷电状态(State of Charge,SOC)是预估电动汽车剩余有效行驶里程的重要参数之一。为提高锂电池SOC 的估算精度,考虑了温度对锂电池特性的影响。通过实验得到温度对电池容量的关系曲线,以及得到OCV-SOC-T 的函数映射关系,基于二阶RC 等效电路模型,利用带遗忘因子递推最小二乘法(Forgetting Factor Recursive Least Square, FFRLS)对模型进行实时在线参数辨识。在不同温度和工况条件下,采用扩展卡尔曼滤波(Extended Kalman filter,EKF)和无迹卡尔曼滤波( Un-scented Kalman filter, UKF)算法对锂电池的SOC 进行估算并对比验证,结果表明,EKF 在动态压力测试工况(DST)和美国联邦城市运行工况(FUDS) 的均方根误差分别在4.93%和4.69%以内,UKF 在DST 和FUDS 工况下的均方根误差分别在1.47%和1.49%以内。研究结果表明,FFRLS联合EKF和UKF都可以实时估算SOC,且在不同温度和不同工况条件下,UKF算法相较于EKF算法,抗干扰能力更强,估算精度更高,收敛性更好。     

基于二阶RC锂电池模型的自适应卡尔曼SOC估算

为了更加精确地估算锂电池荷电状态,建立能够反映电池动态工作特性的二阶RC等效模型。在模型参数辨识的基础上,先用数学分析、电路模型构建相关状态方程与观测方程,再结合扩展卡尔曼滤波算法,针对状态噪声与观测噪声的不确定干扰,提出一种自适应调整方案。通过锂电池放电实验,结合MATLAB仿真分析,验证了自适应调整后的卡尔曼滤波算法可更精确地预估锂电池荷电状态,与扩展卡尔曼滤波算法相比,该算法降低了约2.31%的误差。     

基于修正协方差扩展卡尔曼滤波法的电动汽车锂电池SOC在线估计(英文)

为弥补传统电动汽车锂电池SOC估计算法估计误差大的缺陷,考虑电动汽车动力电池复杂的工作条件,将参数在线辨识方法和修正协方差扩展卡尔曼滤波(MVEKF)算法结合,提出了一种锂电池SOC在线估计算法.新算法使用变遗忘因子递归最小二乘法实现模型参数在线辨识,利用修正后的状态估计值重新计算迭代过程中的协方差,并将新的过程增益值用于下一状态估计以减少滤波误差.恒脉冲放电和动态应力测试(DST)等实验表明:在电池复杂的充放电条件下,与EKF算法对比,MVEKF滤波算法估计误差更小,最多可减少5%的误差;在DST条件下的充电过程中,EKF会有较大的偏差且不稳定,而MVEKF算法可稳定地估计SOC,且鲁棒性强,适用于电动汽车电池复杂多变的工作条件.     

电池管理系统关键技术SOC估算的研究

在大量先验数据的基础上,根据电池管理系统的采样数据,结合安时积分法和开路电压法,对电池SOC进行估算,同时考虑温度及单体电池的不一致性对电池性能的影响,根据不同温度与电池SOC之间的修正数据关系对上述算法进行高低端修正,实验结果表明此方法能够降低安时积分法估计电池SOC的累积误差,准确估算电池SOC,且具有较强的实用性和可靠性。     

一种最优自适应增益非线性观测器的锂电池SOC估算方法

如今电动汽车的发展十分迅速,其动力电池荷电状态SOC关系到锂电池及整车系统的安全、可靠运行,因为SOC表明了电池剩余电量。由于SOC是一个不可直接测量的非线性变量,因此设计一种精度高、可行性强的算法具有十分重要的意义。提出一种最优自适应增益非线性观测器（OAGNO）,用差分进化算法（DE）对观测器参数进行寻优。为了验证该方法的先进性,对型号为NCR18650GA的三元锂电池进行工况实验,结果表明,相比无迹卡尔曼滤波（UKF）,最优自适应非线性状态观测器具有更高的精度,误差在3%左右。     

综合考虑运行状态的锂电池SOC估计研究

锂电池SOC估计影响因素众多,实际工况过于复杂,同时伴随噪声干扰而难以精确估计。为解决上述问题,综合考虑表征参数,提出了锂电池运行状态识别模型。基于RC电路思想,引入运行状态模型,提出了锂电池精确SOC估计模型。为提高模型的鲁棒性和收敛速度,采用粒子群优化算法进行关联参数寻优,并采取噪声误差分析机制提出一种降噪算法。对不同型号锂电池进行实验,仿真结果表明,锂电池运行状态识别模型能有效识别不同退化程度的电池运行状态,估计模型能可靠精确地估计不同退化趋势的锂电池SOC,具有良好的鲁棒性和收敛速度。     

流形正则化框架下的极限学习机预测锂电池SOC方法

为提高锂电池荷电状态建模预测的精度及泛化能力,提出一种流行正则化框架下的极限学习机建模预测方法。首先,为了解决极限学习机建立预测模型存在过拟合泛化能力弱的问题,以流形假设为依据,在数据输入空间构建图拉普拉斯算子,在其框架内求解极限学习机隐层和输出层之间的权重,达到正则优化目的。其次,针对正则化参数难以选择的问题,提出将差分进化算法融入基于流形正则化框架的极限学习机中以优化其正则化参数。最后,利用采集到的锂电池数据进行了实验验证。结果表明:该方法建立的预测模型预测锂电池SOC精度高,泛化能力强,为锂电池SOC的预测建模提供一种新方法。     

基于PSO-SVM的电动车铅酸蓄电池SOC预测

为了提高电动车铅酸蓄电池的电池荷电状态(SOC)预测精度,将粒子优化算法(PSO)引入到支持向量机(SVM)中,建立了PSO-SVM电动车铅酸蓄电池SOC预测模型,模型输入量为电池的电压和电流,输出量为SOC。采用PSO算法对SVM的惩罚因子C和径向基函数宽度σ寻优,降低了SVM参数取值的盲目性,提高了预测精度。设计了铅酸蓄电池数据智能采集系统,并进行了实际运行车辆电池数据采集。在advisor2002软件中获取的电池数据和实际车辆电池运行数据的基础上,进行了模型训练和预测。结果表明,PSO-SVM预测模型相对传统的BP、RBF和SVM预测模型具有更好的精度和推广能力,满足了"SOC估算精度小于5%"的要求,从而表明该模型是有效的、可行的,并具有较好的工程实用价值。     

粒子滤波在目标跟踪中的状态维数降解

针对标准粒子滤波算法中计算量大的问题,提出粒子滤波在目标跟踪中的状态维数降解方法。试验结果表明,该方法在保证跟踪精度的同时,极大减少了在二维或多维情况下的粒子滤波计算量,提高了粒子滤波的实时性能,取得了较好的跟踪效果。     

基于RC等效电路模型的锂电池SOC估计

针对电动汽车动力锂电池,提出一种能够在恒流及变流放电工况下修正SOC估算误差的方法.首先以双阻容并联网络RC作为锂电池等效电路模型,采用最小二乘法对模型参数进行估计,再依据模型及实验数据构建锂电池非线性状态方程,对锂电池开路电压与SOC的关系进行拟合,最后结合EKF算法与安时积分算法估算锂电池SOC,并采用脉冲放电实验...     

基于UKF算法的电池荷电状态SOC估算研究

新能源汽车锂电池荷电状态是反映电池及电源系统的重要参数,为达到实时估算SOC目的,基于无迹卡尔曼滤波算法提出SOC估算解决方案。在MATLAB/Simulink环境中建立一阶Thevenin等效电路模型和无迹卡尔曼滤波算法,通过建立混合功率脉冲特性实验,辨析出不同SOC和温度对电池模型的影响参数,将辨析出来的参数代入到UKF算法中进行仿真实验。实验结果表明,该荷电状态估算具有较高的精准度。     

修正型PNGV构架的锂电池SOC预测及内阻识别

荷电状态(SOC)是电动汽车动力电池的核心性能指标。为了进一步提高锂离子电池组单体电池荷电状态预测精度,提出一种基于改进PNGV模型的电池内阻辨识与SOC预测。根据锂离子动力电池的特性分析,建立改进型PNGV模型。利用实验采集的数据和最小二乘算法实现内阻的在线识别。通过该内阻辨识算法,更加准确地反映电池的当前电压。根据预测更加准确的电压,从而提出基于数据融合PHM法预测电池的SOC,该方法基于实验数据和灰色预测模型来估算电池的荷电状态。仿真和实验结果表明,基于内阻辨识的SOC预测更准确,具有较强的工程实用性。     

电动汽车动力电池SOC估算分析

电动汽车动力电池荷电状态(State Of Charge,SOC)的准确估算能提高整车性能和电池使用效率,方便驾驶员及时准确地了解电池剩余电量和电动汽车续航里程。本文基于等效电路的模型,应用扩展卡尔曼滤波法(EKF),以磷酸铁锂电池作为研究对象,验证该方法估算SOC的准确性。实验结果表明:用EKF法估算SOC,能将误差控制在5%以内,保持较高的精度。     

新型电动汽车动力电池的荷电状态预测研究

电动汽车电池荷电状态是指电池在一定放电倍率下,剩余电量与相同条件下额定容量的比值.对于研究电动汽车电池电力优化控制问题,准确地估算电池的荷电状态是一个不可忽视的环节.文中提出了一种基于最小二乘支持向量机的新型电池荷电状态预测模型,利用训练好的模型就实现电池荷电状态的准确预测.实验结果表明,这种方法达到了预测精度提高的效果.     

基于单片机控制的锂离子电池组的设计

为了延长锂离子电池组的使用寿命,本文提出一种基于单片机控制解决锂离子电池组使用寿命的设计方案,并给出具体的电路原理和软件流程图。     

基于单片机控制的矿用锂电池组状态监测系统设计

针对矿用电机车的工作要求完成了锂电池组状态监测系统的功能设计,包括充放电信号监测、温度信号监测、放电维护以及对应的保护功能。在结构上,采用分布式的单片机控制方案,每个单电池具有独立的控制子单元,通过CAN总线实现数据传输。测试结果表明,该系统所检测的电压信号与万用表测量结果之间的偏差低于1%。