电池荷电状态

摘要： 动力电池的荷电状态(SOC)估计作为电池管理系统的核心功能,荷电状态的精确直接影响电动车整车能量管理和动力分配.较为准确的等效电路模型减弱过程噪声的影响,为后续使用扩展卡尔曼滤波算法提高SOC估计精度打下坚实基础.研究以松下NCR18650B动力锂电池为试验对象,建立二阶RC回路的Thevenin等效电路模型,在25°C环境下利用修订后的HPPC测试时序、非线性最小乘法进行参数辨识,建立离散状态方程进行SOC估计.结果表明,放电条件下等效电路电压相对误差小于0.01 V,SOC精度较高.

摘要： 电池的荷电状态(SOC)是电池管理系统(BMS)的重要指标,然而锂离子电池是一个具有复杂性噪声特点的非线性动态系统,精准估计SOC十分困难。针对无迹卡尔曼滤波(UKF)估计SOC时受模型精度和系统噪声预定变量影响较大问题,基于改进的PNGV模型提出一种两次非线性变换预测系统闭环端电压方法,采用动态函数提高卡尔曼增益,从而提高SOC估计精度和效果。通过充放电混合动力脉冲能力特性(HPPC)和混合放电比实验验证可得该方法具有良好的估计效果,在电压和电流变化剧烈的条件下,平均绝对误差为0.11%,精度相对提高了58%,均方根误差为0.15%,稳定性相对提高了63%。

摘要： 锂电池的荷电状态(State of Charge,SOC)作为电池管理系统(BMS)的基本参数之一,对其进行准确的估计是BMS可靠性和准确性的基础。为了提升SOC的估算精度,提出了一种考虑老化的锂电池SOC估算方法。选择戴维南二阶模型作为锂电池的等效模型,依据实际数据进行参数辨识并验证。然后,考虑到电池老化对模型参数和实际容量的影响,加入总容量校准和遗忘因子改进扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法,使用改进后的EKF算法精确估计电池的SOC。实验结果表明,在EKF算法基础上加入容量校准和模型老化的遗传因子后SOC的估算精度大大提升。

摘要： 本文针对当前混合动力汽车能量管理的恒温器式控制策略和功率跟随式控制策略存在的问题,介绍了基于规则的能量管理策略。首先,依据发动机的负荷特性和电池固有的充放电特性分别为它们选择运行范围,设计实验方案并分析数据;其次,根据工程经验和试验数据确定控制规则;最后,根据汽车行驶过程中的功率需求与动力电池荷电状态(SOC)控制发动机、动力电池和电动机的工作。试验结果表明,基于规则的能量管理策略能够高效运行,从而使得整车的效率得以提高。

摘要： 在双电池平滑风功率过程中,改善双电池充放电不平衡状态可以提高充放电深度,减少充放电状态切换次数.文章分析了双电池风功率平滑系统的充放电不平衡状态及其产生的原因,提出了一种改进控制策略,该策略可根据双电池荷电状态调整风功率平抑目标功率,以此改善双电池不平衡状态.基于Matlab/Simulink分析了风速湍流强度以及风功率预测误差对双电池不平衡状态的影响,同时验证了改进控制策略的有效性和优越性.研究结果表明,相较于传统控制策略,文中的改进控制策略在不同湍流风速以及存在风功率预测误差时,仍能优化双电池充放电不平衡状态,保持良好的充放电深度.

摘要： 电池荷电状态(State of Charge,SOC)作为电池状态重要的评价指标,很难通过直接测量获得.传统方法通过物理指标侧面估算SOC的大小,存在一定的局限性.因此,研究拓展卡尔曼滤波法(Extended Kalman Filter,EKF)、BP神经网络(BP Neural Network)以及模糊控制方法等估计SOC值的方法,分析各种方法的实现过程及优缺点,提出了一种BP和EKF相结合的方法用于SOC值的估计.该方法可提高EKF的收敛性,并增加了SOC值估计的准确度.

摘要： 2 SOC估算2.1 SOC的定义电池荷电状态又称电池剩余电量,在数值上表示为电池的剩余电量与标称容量的比值[10]。其公式定义为:SOC=Qr/Cn(7)式中:Qr——剩余电量,Ah;Cn——标称容量,Ah。2.1 SOC估算方法现阶段SOC估算方法主要由传统方法、新型算法和机器学习算法组成。传统算法主要有安时积分法。

摘要： 电池管理系统(BMS)采用了防止电池过放电和过充,提供电池均衡控制,能够实现新能源汽车动力锂电池的最佳利用和保护。电池管理系统实时精准估算电池电荷状态(SOC)是提高电动汽车续航里程和延长寿命的关键。然而,SOC不能直接测量,动力电池的充、放电又是一个复杂过程,导致目前现有的SOC估算策略很难精确地估算出实时在线SOC值。因此,如何提高SOC估算精度是当下BMS领域的研究热点。本文通过对各种SOC估算方法进行文献综述,分析和总结各个SOC估算方法的原理及优缺点,提出SOC估计策略未来发展趋势。

摘要： 依照中国船级社《纯电池动力船舶检验指南》(CCS GUIDANCE NOTES GD22-2019)要求,设计了一种船舶通用型电池管理系统.针对大容量电池系统电池荷电状态估算不准确问题,开发了一种扩展的卡尔曼滤波算法.经试验验证,所设计的电池管理系统能够满足船用要求;所采用的SOC算法能够较准确地估算出电池剩余电量.

摘要： 锂离子动力电池是巡检机器人常用动力源,机器人控制系统需根据电池的荷电状态(SOC)决策工作状态.建立了锂离子电池的二阶Thevenin等效电路模型,用遗忘因子递推最小二乘算法(FFRLS)完成模型在线参数辨识,并用扩展卡尔曼滤波算法(EKF)实现SOC值的估算仿真.在此基础上,设计开发了一套基于STM32微控制器的SOC估算系统,实现了机器人应用中的电池参数采集及SOC估算.

摘要： 提出了RS-SVM的电动汽车电池荷电状态的预估方法.采用粗糙集约简电池充电相关参数的样本,运用支持向量机对电池的荷电状态进行预测,提升了支持向量机的预测速度和精度,达到增加电池使用寿命的目的.

摘要： 为有效地利用神经网络模型对电动汽车电池荷电状态(SOC)进行预测,在分析铅酸电池放电过程时变特性的基础上,提出采用电池放电过程的时变特性作为神经网络的输入,使得模型能更好地反映电池动态特性。建立基于径向基函数神经网络,用于估计电池SOC.结果表明:采用时变特性输入可以有效地提高网络模型预测SOC的能力。

摘要： 基于自适应滤波方法的电动汽车电池SOC(state of charge)估计通常需要一个精确的电池模型,但是电池模型参数会随电化学特性、温度和使用时间等因素变化.尽管可以通过训练改善模型参数变化带来的影响,但是训练过程往往是耗时、低效的.同时也有一些利用"双自适应滤波"的方法将SOC和模型参数同时估计,但是这种方法算法结构比较复杂.针对这些问题,本文提出了一种基于不变嵌入法的SOC估计方法,该方法将未知动态参数扩展到状态向量中,完成SOC和参数的同时估计.同时,相比于"双自适应滤波"方法,不变嵌入法算法结构更简单.

摘要： 基于自适应滤波方法的电动汽车电池SOC(state of charge)估计通常需要一个精确的电池模型,但是电池模型参数会随电化学特性、温度和使用时间等因素变化.尽管可以通过训练改善模型参数变化带来的影响,但是训练过程往往是耗时、低效的.同时也有一些利用"双自适应滤波"的方法将SOC和模型参数同时估计,但是这种方法算法结构比较复杂.针对这些问题,本文提出了一种基于不变嵌入法的SOC估计方法,该方法将未知动态参数扩展到状态向量中,完成SOC和参数的同时估计.同时,相比于"双自适应滤波"方法,不变嵌入法算法结构更简单.

摘要： 基于自适应滤波方法的电动汽车电池SOC(state of charge)估计通常需要一个精确的电池模型,但是电池模型参数会随电化学特性、温度和使用时间等因素变化.尽管可以通过训练改善模型参数变化带来的影响,但是训练过程往往是耗时、低效的.同时也有一些利用"双自适应滤波"的方法将SOC和模型参数同时估计,但是这种方法算法结构比较复杂.针对这些问题,本文提出了一种基于不变嵌入法的SOC估计方法,该方法将未知动态参数扩展到状态向量中,完成SOC和参数的同时估计.同时,相比于"双自适应滤波"方法,不变嵌入法算法结构更简单.

摘要： 基于自适应滤波方法的电动汽车电池SOC(state of charge)估计通常需要一个精确的电池模型,但是电池模型参数会随电化学特性、温度和使用时间等因素变化.尽管可以通过训练改善模型参数变化带来的影响,但是训练过程往往是耗时、低效的.同时也有一些利用"双自适应滤波"的方法将SOC和模型参数同时估计,但是这种方法算法结构比较复杂.针对这些问题,本文提出了一种基于不变嵌入法的SOC估计方法,该方法将未知动态参数扩展到状态向量中,完成SOC和参数的同时估计.同时,相比于"双自适应滤波"方法,不变嵌入法算法结构更简单.

摘要： 基于自适应滤波方法的电动汽车电池SOC(state of charge)估计通常需要一个精确的电池模型,但是电池模型参数会随电化学特性、温度和使用时间等因素变化.尽管可以通过训练改善模型参数变化带来的影响,但是训练过程往往是耗时、低效的.同时也有一些利用"双自适应滤波"的方法将SOC和模型参数同时估计,但是这种方法算法结构比较复杂.针对这些问题,本文提出了一种基于不变嵌入法的SOC估计方法,该方法将未知动态参数扩展到状态向量中,完成SOC和参数的同时估计.同时,相比于"双自适应滤波"方法,不变嵌入法算法结构更简单.

摘要： 本发明公开了一种基于电池健康状态和荷电状态的电池组主动均衡方法，所述方法首先获取电池组中各个单体电池的SOH和SOC，并以各个单体电池的SOH*SOC作为均衡系数，设计能量直接转移型主动均衡电路，将均衡系数作为初始条件输入到主动均衡电路中的均衡电路控制模块，均衡电路控制模块根据预先写入的程序控制电路通路的闭合，形成相应的能量转移通道直至各个单体电池的剩余电量的差异达到设定的阈值。该方法能够有效降低电池组的不一致性对动力电池功率、寿命的负面影响，有利于提升纯电动汽车的动力性，经济性。

摘要： 本发明提供了一种电池的荷电状态的估计方法，包括监视电池的电流；当电流为0时，记录所述电池的端电压；建立与任意连续的两个记录时间分别对应的两个端电压之间的关系模型；利用递推最小二乘法计算得出开路电压；并根据开路电压确定电池的荷电状态。本发明还提供了一种电池组的荷电状态的估计方法，以及利用该些估计方法的电池管理系统、电池以及电动汽车。本发明的方案具有等待时间短、估计精度高、计算复杂度低、应用容易以及无需额外硬件等优点。

摘要： 本申请涉及一种电动车锂电池的荷电状态估算方法与荷电状态估算系统；荷电状态估算方法包括步骤：充放电时实时采集每一节电池的电压；分别进行预设次数的相异倍率的充放电操作获得相异倍率下体现电池电压和荷电状态关系的初始充放电倍率曲线；计算一段时间的电流平均值和电池电压平均值；计算电流平均值位于所属的区间的比例位置；根据比例位置合成当前充放电倍率曲线；得到当前电压对应的表读电池剩余容量，并由电荷积分得到积分电池剩余容量，计算得到误差比例因子，计算当前电池剩余容量。本申请不需要复杂的电池模型，能实时、准确估算出锂电池组特别是三元锂电池组的荷电状态，在锂电池组老化的情况下同样有效。

摘要： 本发明涉及一种用于确定电池驱动的机器中的电池的荷电状态的方法，包括以下步骤：‑利用老化状态模型基于所述电池的运行参量来确定所述电池的老化状态；‑借助参数模型根据所述老化状态来提供至少一个参考电池模型参数；‑借助相应的校正参量来适配所述至少一个参考电池模型参数，所述校正参量是根据所述电池的瞬时的运行参量借助校正模型确定的；‑使用电池模型，以便根据电池模型参数确定所述电池的当前的荷电状态，所述电池模型参数通过给所述至少一个参考电池模型参数加载相应的所述校正参量而得到；‑通报所述当前的荷电状态。

摘要： 本发明公开了一种基于电池健康状态和荷电状态的电池组主动均衡方法，所述方法首先获取电池组中各个单体电池的SOH和SOC，并以各个单体电池的SOH*SOC作为均衡系数，设计能量直接转移型主动均衡电路，将均衡系数作为初始条件输入到主动均衡电路中的均衡电路控制模块，均衡电路控制模块根据预先写入的程序控制电路通路的闭合，形成相应的能量转移通道直至各个单体电池的剩余电量的差异达到设定的阈值。该方法能够有效降低电池组的不一致性对动力电池功率、寿命的负面影响，有利于提升纯电动汽车的动力性，经济性。

摘要： 本发明涉及汽车动力电池技术领域，提供一种动力电池的电芯荷电状态估算方法及电池管理系统，解决了现有技术中估算动力电池的电芯SOC时，精度低，计算速度慢的问题。本发明所述的动力电池的电芯荷电状态估算方法包括：获取预设电芯等效电路模型中的参数、负载电流以及每个电芯的端电压；根据预设电芯等效电路模型中的参数、负载电流以及电芯参考电压，利用EKF算法确定电芯参考SOC以及电芯平均开路电压，电芯参考电压由动力电池中电芯的端电压确定；根据预设电芯等效电路模型中的参数、每个电芯的端电压、电芯参考电压以及电芯平均开路电压，利用RLS算法确定每个电芯的SOC偏差；根据每个电芯的SOC偏差和电芯参考SOC之和，得到动力电池的每个电芯的SOC估计值。

摘要： 本发明涉及电池管理领域，提供一种电池荷电状态估算方法及电池健康状态估算方法，能根据电池实际物理状态，客观准确地判断如何选择组合使用开路法、安时法和卡尔曼法取长补短提高估算精确度和可靠性。荷电状态估算方法包括周期性检测电池工作状态、稳定状态、工作状态转换模式及工作特征区域；根据电池工作状态和稳定状态，采用开路法得到SOCocv；根据电池工作状态、稳定状态和工作特征区域，采用安时法得到SOCqc；根据电池工作状态和稳定状态，采用卡尔曼法得到SOCklm；对SOCocv、SOCqc及SOCklm做加权计算获得最终SOC。解决了现有方法未能根据电池当前和过去实际状态进行协同估算导致精度和可靠性低问题。

摘要： 本发明提出了一种锂离子电池荷电状态、健康状态与功率状态的联合估计方法，包括在线估计电池的健康状态：采用带遗忘因子的递归最小二乘法在线辨识开路电压以及内阻，并根据预先建立的OCV‑SOC对应关系间接获取荷电状态，再根据两SOC点之间的累计充放电电量估计电池容量的大小；在线估计电池的荷电状态：基于二阶RC等效电路模型，采用卡尔曼滤波算法估计电池的荷电状态，并根据电池容量估计结果更新卡尔曼滤波算法中的电池容量参数；以及在线估计电池的功率状态：根据在线辨识得到的内阻，基于电池本身的电压限制和电流限制，计算最大可充放电电流，再进一步计算得到最大可充放电功率。

摘要： 本发明公开了一种电池健康状态监控装置，包括：数据采集单元、充放电检测单元、充电时间统计单元、电池容量检测单元和健康状态计算单元；其方法包括采集锂电池的开路电压OCV和电流I，采集锂电池工作时的温度C；检测锂电池的充放电状态，以及检测锂电池是否存在充放电异常，并记录荷电状态SOC；记录充放电异常为第一负健康度值M，记录锂电池充放电的时间为t；根据获取的电流和电压计算荷电状态SOC；根据电流、充放电时间以及荷电状态计算电池的剩余容量。本发明解决传统电池管理无法对电池荷电状态和剩余电量进行统计的问题，本申请能实时监测电池的剩余电量和荷电状态，便于电池预警。

摘要： 本发明涉及电池管理领域，提供一种电池荷电状态估算方法及电池健康状态估算方法，能根据电池实际物理状态，客观准确地判断如何选择组合使用开路法、安时法和卡尔曼法取长补短提高估算精确度和可靠性。荷电状态估算方法包括周期性检测电池工作状态、稳定状态、工作状态转换模式及工作特征区域；根据电池工作状态和稳定状态，采用开路法得到SOCocv；根据电池工作状态、稳定状态和工作特征区域，采用安时法得到SOCqc；根据电池工作状态和稳定状态，采用卡尔曼法得到SOCklm；对SOCocv、SOCqc及SOCklm做加权计算获得最终SOC。解决了现有方法未能根据电池当前和过去实际状态进行协同估算导致精度和可靠性低问题。