摘要：本研究提出了一种基于反向传播神经网络(BPNN)和自适应无迹卡尔曼滤波器(AUKF)的soc(state of charge)估计方法。首先针对电池soc与端电压之间在不同温度下的关系,研究设计了一系列温度补偿策略,以提高在低温、低soc条件下的估计精度。其次,利用反向传播神经网络(BPNN)建立了一个耦合了温度补偿策略的电池模型。这个模型能更好地适应低温和低soc条件下的电池状态变化,提高了soc估计的准确性。最后,基于BPNN电池模型建立了BPNN-AUKF的soc估计框架,通过利用测量值与测量预测值之间的信息和残差序列,对系统过程和测量噪声协方差进行估计修正。通过实验验证,发现该方法在低温环境下具有明显优势,相比传统方法能够更准确地估计电池的soc,且具备较好的泛化能力。这种基于BPNN-AUKF方法的soc估计器不仅适用于自主无人潜水器(AUV),而且对于其他在复杂环境中工作的车辆也具有广泛的应用价值。

摘要：不一致性问题极大地降低了锂离子电池组的整体性能,均衡控制是目前能有效改善电池组间不一致性的唯一办法。在分析了目前主流均衡设计方案的基础上,针对Buck-Boost均衡电路,提出了以锂电池荷电状态(soc)为均衡对象的均衡控制策略。同时,设计了一种新式的基于双模型自适应扩展卡尔曼滤器的soc估算方法。实验结果表明,该均衡控制策略改善了电池组间的不一致性,提高了容量利用率。

摘要：针对矿用紧急避险设施用大容量锂离子蓄电池荷电状态(soc)估算累积误差较大的问题,提出适用于紧急避险这一特殊工况下使用备用锂电池电源的soc修正估算方案。设计了基于安时积分法,并含温度、寿命修正的soc估算方法。经试验,该估算方法在给定实验条件下,可达到明显的修正效果,适用于紧急避险设施锂电池电源。

摘要：soc的估算对电动汽车锂电池的管理至关重要。该文提出了一种改进的安时积分法,在传统安时积分的基础上考虑温度对电池充放电的影响,及静置时间对soc初值的影响,及时对soc的初值进行修正,避免了传统安时积分法对误差的累积。以磷酸铁锂电池为例搭建实验平台,得到计算所需参数,并且验证了设计思路的可行性。

摘要：为完成对某新型车用超级电容器模组工况过程的实时监控,提高其安全性和寿命,设计了一种车用超级电容器模组智能监控系统。系统采用BQ76930和STM32F103ZET6单片机对硬件电路部分进行了设计,通过应用模糊PID控制算法来获取良好的均衡效果,并提出了一种改进型的开路电压-安时积分法进行荷电状态(soc)估算。下位机通过采用5G网络和云服务器进行双向数据传输,数据信息并最终在基于LabVIEW开发的上位机监控界面上显示,从而实现由10节单体串联构成的车用超级电容器模组的可视化远程监控。试验结果表明,该系统的动态电压测量精度可达±0.13%,电流测量精度可达±0.1 A,温度测量精度可达±0.3℃,soc估算精度在±1.15%之内,满足精度使用要求,均衡效果优良,为用户进行可视化智能远程监控超级电容器模组提供了一定的参考。

摘要：提出并实现了一种车用动力锂离子电池稳态特性参数的数学模型,该模型针对混合动力车用8Ah锂离子电池,选取对电池soc有重要影响的性能参数(电压、电流、温度等),设计相关实验(主要是倍率充放电实验和开路电压soc关系实验);应用实验数据,通过插值、拟合等方法补充实验缺省数据,建立电池稳态特性参数Map图,用以估算电池的soc,对建立的Map用实际工况曲线进行仿真。仿真结果表明,应用建立的Map图,对电池稳态soc查询估算的精度可以达到4%以内。

摘要：设计了一种基于STM32和LTC6803的纯电动汽车锂电池管理系统,旨在提高单体电池电压检测的精度,缩短检测时间,并实现了自动均衡的功能。给出了系统的软硬件设计方法,其中硬件包括电压采样、电流采样和LTC6803的接口电路等电路。并采用结合开路电压法和安时积分法的电池荷电状态(soc)估算方法,实现对电池剩余电量的精确估算。

摘要：混合动力轿车锂离子电池组的管理中需要检测大量的电池单体电压.为降低对电池组单体电压的采样循环时间,增强管理系统数据采集的实时性,该文设计了一种基于分时并联采样方式的电池管理系统,它能够可靠地实现对动力电池运行时状态参数的监测,提高电池soc的估算精度.

摘要：电池荷电状态(soc,state-of-charge)是新能源汽车运行时的关键参数之一。提出了由静态自学习残余电量算法、动态安时计量法和扩展卡尔曼滤波算法相结合的soc综合估算算法。实验结果表明,综合估算算法的估算结果比普通单一算法精确,最大误差只有2%。同时,采用电子开关式集中均衡充电网络,增加了电池组内各个电池单体之间的一致性,避免了电池组内个别单体电池的过充电、过放电现象,大大增加了电池组的使用寿命。

摘要：电池的荷电状态(state-of-charge,soc)估算和电池均衡作为电池管理系统(battery management system,BMS)的核心功能,对电池的一致性和使用寿命、安全等至关重要。在电池的工作期间,温度直接影响了电池的可用容量和放电特性,从而加剧了soc的估算误差。因此,考虑了温度对电池的影响,对soc估算方法进行了改进,并利用主被动均衡改善了单体一致性问题。首先,通过建立电池的热特性模型对电池的内部温度进行估计,将温度估计结果对扩展卡尔曼滤波(extended Kalman filter,EKF)算法进行了改进,再使用该算法进行soc估算。并分别在城市道路循环工况(urban dynamometer driving schedule,UDDS)、动态应力测试(dynamic stress test,DST)、混合脉冲功率特性(hybrid pulse power characterization,HPPC)工况下验证了改进算法对提高soc估算精度的有效性。其次,以更高精度的soc估算结果作为变量,提出一种主被动均衡电路并合理设计了均衡策略。最后,在仿真验证下,改进的EKF算法显著提高了soc的估算精度,并通过主被动均衡实现了DST工况下一组soc极差为13%的六节单体电池之间的快速均衡。结果表明,改进的EKF算法能有效降低温度带来的soc估算误差,改善电池单体间的不一致性问题。