SOC估计
SOC估计的相关文献在2004年到2022年内共计390篇,主要集中在电工技术、公路运输、自动化技术、计算机技术
等领域,其中期刊论文111篇、会议论文2篇、专利文献37813篇;相关期刊72种,包括人天科学研究、储能科学与技术、电测与仪表等;
相关会议2种,包括2008年中国电工技术学会电力电子学会第十一届学术年会、第20届中国系统仿真技术及其应用学术年会(20th CCSSTA 2019) 等;SOC估计的相关文献由1078位作者贡献,包括李俊红、李磊、崔纳新等。
SOC估计—发文量
专利文献>
论文:37813篇
占比:99.70%
总计:37926篇
SOC估计
-研究学者
- 李俊红
- 李磊
- 崔纳新
- 张承慧
- 杜明
- 宗天成
- 蒋泽宇
- 褚云琨
- 冯飞
- 商云龙
- 芮佳丽
- 邵岳军
- 陈思哲
- 舒星
- 赵万忠
- 常乐
- 曾国建
- 李政
- 汤显峰
- 王玉乐
- 王裕
- 章云
- 管冰蕾
- 郑岳久
- 吉祥
- 周龙
- 张泓睿
- 朱春波
- 王顺利
- 田劲东
- 葛泉波
- 谈发明
- 逯仁贵
- 郭向伟
- 雷健华
- 马辉
- 于春梅
- 刘征宇
- 吴明
- 周秀文
- 康龙云
- 徐俊
- 徐国放
- 曹秉刚
- 李东
- 李博
- 李玉芳
- 杨奕
- 段彬
- 田勇
-
-
刘耿峰;
张向文
-
-
摘要:
针对电动汽车动力电池组的管理需求,设计了一款基于MC9S12XEP100和LTC6804的锂电池管理系统,实现对单体电池电压、电流和温度实时监控、电压均衡管理、热管理、充放电管理、数据存储和上位机显示功能。针对电池荷电状态(state of charge,SOC)估算精度和实时性方面的问题,提出了一种新颖的开路电压和安时积分融合型SOC估算方法,有效减小了开路电压处于平台期造成的误差影响。采用Arbin电池测试设备对上述功能和SOC估计方法进行了测试验证。结果显示,电池电压误差小于0.07 V,温度误差小于1°C,SOC估算误差小于1.2%,因此,设计系统可用于实际电动汽车动力电池组管理,实现电池SOC实时在线准确估计。
-
-
李田丰;
王富洲;
徐潇凡
-
-
摘要:
针对非线性系统锂电池剩余电量(State of Charge,SOC)估计常用算法——安时积分法初值精度要求高、累计误差大的问题,提出了基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法的SOC估计方法。通过建立合理的电池模型,利用MATLAB仿真在恒流工况下证明:安时积分法的平均误差为2.7%,EKF算法在无初始误差和存在初始误差两种工况下降低平均误差分别为0.97%和1.3%。最后通过ADVISOR 2002软件仿真验证了锂电池工作在两种动态电流工况下,基于EKF的SOC估计平均误差分别为1.06%、1.13%,符合SOC估计精度要求。
-
-
孙金磊;
邹鑫;
顾浩天;
崔凯;
朱金大
-
-
摘要:
针对现有基于电池恒定参数模型的SOC估计方法忽略了工况和SOC对电池模型参数的影响而导致SOC估计误差偏大的问题,本文提出一种将带有遗忘因子递推最小二乘算法与扩展卡尔曼滤波算法相结合的联合SOC估计方法。该方法先利用FFRLS算法在线辨识电池等效电路模型参数并实时修正电池模型,再利用EKF算法和实时修正的电池模型估计电池SOC。实验结果表明,本文所提的SOC估计方法能有效减小电池模型参数变化所带来的SOC估计误差。在脉冲放电、脉冲充电和动态应力测试实验中,最终电池SOC估计的最大误差分别为1.01%、0.87%和1.59%。
-
-
张新锋;
姚蒙蒙;
宋瑞;
崔金龙
-
-
摘要:
为了提高锂离子电池SOC(state of charge)和SOH(state of health)的估计精度,采用自适应扩展卡尔曼粒子滤波(adaptive extended Kalman particle filter,AEKPF)算法估算SOC和SOH,该算法通过修正噪声可以解决运用EKF(extended Kalman filter)算法时的噪声误差累积问题,并且AEKF(adaptive extended Kalman filter)算法作为PF(particle filter)算法的建议分布用来实时更新粒子,可以改善单独采用PF算法时的粒子退化问题.为了提高SOC的估计精度,提出考虑电池的劣化特征,联合SOH实现对SOC的修正估计.在Matlab环境下的仿真结果表明:AEKPF算法与AEKF算法相比,可以得到更加准确的SOC和SOH估计值,而且AEKPF算法联合SOH可以有效提高SOC的估计精度,仿真绝对误差不超过±1%.
-
-
张帅帅;
毕恺韬;
颜文旭;
倪宏宇;
储杰
-
-
摘要:
为了更准确估计锂电池的SOC,从两方面考虑,即模型选择和估计算法。首先,为了减小由于模型引起的估计误差,采用带有遗忘因子的递推最小二乘法对二阶RC等效电路模型参数进行在线辨识,实现锂电池模型参数的自适应。其次,针对SOC的估计,提出了基于EKF结合AHI法实现加权在线估计。实验表明所提方法相比其中单一算法具有更高的估计精度和稳定性,尤其是提高了低SOC区间的估计精度,验证了所提算法的有效性。
-
-
李昆;
赵理;
赵博阳;
客汉宸;
李俊丽
-
-
摘要:
针对传统安时积分法由于无法在线更新库仑效率而导致的难以准确估测电池剩余容量的问题,提出一种基于频繁项统计进行电流分段积分,利用不同库仑效率对分段积分后电量进行修正的流-安时积分法。该方法利用连续充放电循环对库仑效率进行在线修正,基于柯西频繁项统计算法对电流进行分段累积,利用修正后的库仑效率对分段累计电量进行校正,最后实现了电池剩余容量的准确估计。仿真和实验分析表明:基于频繁项统计的安时积分法有效减小了传统安时积分法产生的电量累积误差,提高了剩余容量及SOC的估计精度。
-
-
罗雪松;
朱茂桃
-
-
摘要:
提出了一种基于遗传算法优化双卡尔曼滤波(GA-DKF)的方法进行电池荷电状态(SOC)估计。分别利用遗传算法优化模型参数辨识中卡尔曼滤波的噪声协方差矩阵,以及SOC估计中无迹卡尔曼滤波(UKF)的噪声协方差矩阵。搭建试验平台,依据不同电流倍率下的放电实验数据,得到模型参数动态辨识的结果,分析GA-KF算法辨识参数的有效性。通过不同工况下试验结果、仿真结果以及传统最小二乘法(LS)辨识结果的对比,表明提出的方法能够有效提高锂电池模型精度。最后,采用遗传算法优化双卡尔曼滤波(GA-DKF)进行SOC估计,分别验证该模型在动态工况下SOC估计的精度和鲁棒性。结果表明:该模型不仅具有较高的估计精度,还能克服不同初始SOC的误差,具备良好的鲁棒性。
-
-
桂阳;
周飞;
杨文;
陈星;
李康群
-
-
摘要:
锂离子电池荷电状态(SOC)估算作为电池管理系统(BMS)的重要功能,是合理利用EV车辆电池组能量的前提。现有估算方法中,基于模型驱动法过程繁琐、计算量大;基于数据驱动法对数据要求高,估计精度差。针对以上问题,提出了基于双向GRU(BidiGRU)神经网络结合H∞滤波器的复合估算方法来估算锂离子电池的SOC。用不同温度下北京应力循环工况(BJDST)来训练BidiGRU神经网络模型,再使用联邦测试程序驾驶时间表(US06)来对模型进行测试。测试结果的均方根误差(RMSE)最小可达到2.05%,平均绝对误差(MAE)最小可达到1.79%。用H∞滤波器优化后的RMSE和MAE均可降低到0.17%以下,最低可达到0.11%。结果表明该方法可在不同温度和不同工况下对锂离子电池SOC做出实时估计,并能够达到较高的精度。
-
-
刘磊
-
-
摘要:
顺应国家和时代的号召,新能源汽车逐渐兴起。电池作为新能源的动力,含有大量的钴、镍等贵金属,回收价值较高,并且可以最大限度地减少环境污染。针对新能源汽车电池,利用手机线上APP,建立了一种汽车电池回收平台,通过使用API接口函数来实现动力电池回收的线上运营。此外还设计了一种电池的检测模块,通过检测设备与通信模块进行SOC、SOP和SOH估计,从而对电池进行测评,并能够反馈电池的情况。
-
-
葛才安;
郑燕萍;
虞杨
-
-
摘要:
电池荷电状态(SOC)估计的准确性受到电池模型精度的影响。为了提高复杂工况下电池SOC估计精度,比较基于遗忘因子递推最小二乘法-扩展卡尔曼滤波(FFRLS-EKF)和双扩展卡尔曼滤波(DEKF)联合算法的三元锂电池SOC估计方法。分别利用FFRLS和EKF算法在线辨识电池模型参数,然后与EKF算法联合进行三元锂电池SOC估计。在动态应力测试(DST)工况下,两种联合算法的SOC估计结果表明:FFRLS-EKF联合算法的估计误差在2.49%之内,DEKF联合算法的估计误差在2.62%之内;FFRLS建立的电池模型精度更高,端电压平均误差为0.37 mV。