电池荷电状态
电池荷电状态的相关文献在2004年到2023年内共计747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82篇、会议论文3篇、专利文献863571篇;相关期刊71种,包括安康学院学报、哈尔滨理工大学学报、汽车零部件等;
相关会议3种,包括第二十届全国自动化应用技术学术交流会、第15届中国系统仿真技术及其应用学术会议、2007年中国智能自动化会议等;电池荷电状态的相关文献由1926位作者贡献,包括张维戈、何洪文、周娟等。
电池荷电状态—发文量
专利文献>
论文:863571篇
占比:99.99%
总计:863656篇
电池荷电状态
-研究学者
- 张维戈
- 何洪文
- 周娟
- 姚振辉
- 姜久春
- 孙丙香
- 张彩萍
- 时玮
- 李雪
- 王占国
- 陈虹
- 马彦
- 龚敏明
- 侯静
- 刘思佳
- 杨晓全
- 林加顺
- 王梅鑫
- 羊彦
- 金心宇
- 陆群
- 高田
- 代康伟
- 冯天宇
- 刘波
- 吴乃豪
- 吴健
- 周安健
- 威廉·保罗·伯金斯
- 张友群
- 徐智慧
- 李君子
- 李景新
- 李泰京
- 杨辉前
- 欧阳明高
- 沈佳妮
- 潘海鸿
- 熊瑞
- 牛利勇
- 肯尼思·詹姆士·米勒
- 贺益君
- 赵婷
- 道格拉斯·雷蒙德·马丁
- 邓林旺
- 邓柯军
- 郑英
- 陈琳
- 马紫峰
- 鲍谚
-
-
王宇伟;
赵阳;
华迪;
安润泽
-
-
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.
-
-
封居强;
孙亮东;
蔡峰;
伍龙;
卢俊
-
-
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%。
-
-
于智龙;
李龙军;
韦康
-
-
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。
-
-
张风彦;
张风奇;
肖乐华;
李强;
崔亚辉
-
-
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。
-
-
张小莲;
胡佳玮;
郝思鹏;
刘海涛;
韦伟
-
-
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.
-
-
朱立宗;
黄煜
-
-
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.
-
-
孙正;
李军
-
-
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。
-
-
谢俊淋;
吴铭;
陈越;
武强;
何立科;
刘成武;
吴平;
苏庆列
-
-
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。
-
-
赵德骥;
冯玉龙;
缪光辉;
杨璇;
李骁;
石伟
-
-
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.
-
-
廖根兴;
赵盈盈;
高雁凤;
王斌锐
-
-
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.
-
-
-
赵克刚;
罗玉涛;
裴锋
- 《2007年中国智能自动化会议》
| 2007年
-
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。
-
-
-
-
-