摘要：对锂电池组建模并对模型参数识别对管理小型无人机锂电池组相关研究有重要意义。本文以串联7节4Ah航空锂电池组为研究对象,通过设计混合脉冲功率特性测试(Hybrid Pulse Power Characteristic,HPPC)来对电池组thevenin模型参数进行辨识。研究了小型无人机锂电池组thevenin模型参数识别方法及各参数与锂电池SOC的关系曲线。结果表明:按照本实验的方法,可以对电池组thevenin模型的参数进行辨识,能够确定各参数与荷电状态(State of Charge,SOC的关系。

摘要：以电动汽车串联使用的锂电池组为研究对象,分析了电池组充放电过程中不一致性问题,综合电池模型原理和适用场合,选用二阶thevenin等效电路模型搭建电池模型,运用曲线拟合的方法对电池模型参数辨识。设计了基于DC-DC变换器的外电压均衡控制策略原理,搭建仿真电路验证均衡电路性能。仿真结果表明,基于DC-DC变换器的外电压均衡控制策略可以很好地改善串联电池组充电和放电过程中的不一致问题。

摘要：基于混合动力脉冲功率特性试验数据辨识得到了锂离子动力电池的等效电路模型参数,提出了基于滑模观测器算法的动力电池荷电状态估计方法。设计了滑模观测器,最后进行了算法验证。结果表明,对FUDS工况,应用滑模观测器算法进行荷电状态估计的最大误差为1.17%,方差为0.000 04,比传统算法获得了更好的估计精度和鲁棒性。

摘要：针对纯电动汽车动力电池组荷电状态(SOC)估计问题,提出一种基于可变温度的分数阶thevenin模型的建模方法,并采用分数阶无迹粒子滤波(FUPF)算法估计电池SOC。建立thevenin模型的分数阶电池模型,采用试验设计(DOE)方法和遗传算法进行参数辨识,利用FUPF算法对SOC进行估计,并与无迹粒子滤波算法进行比较。试验结果表明,基于FUPF算法与可变温度的分数阶电池模型的SOC估计方法能够在较宽温度范围内保持较高的估计精度且比整数阶模型估计精度更高。

摘要：电池储能系统的供电性能、质量和体积大小直接影响着仓储机器人的运行性能和轻量化设计,而且室外用机器人对作业环境温度也提出了要求。选用能量密度较高且耐低温性能较好的三元锂电池,针对某型仓储机器人性能要求,设计了电池储能系统。通过建立电池组二阶RC等效电路数学和仿真模型,对方案的可行性和环境温度适应性进行了验证,并讨论了环境温度对三元锂电池输出瞬态特性的影响。仿真结果表明设计方案完全可以满足系统瞬时功率的要求,且低温下电池放电能力也可满足机器人室外作业要求。

摘要：锂离子电池荷电状态估计是电池管理系统的重要组成部分,荷电状态估计结果的准确性将直接影响电池管理系统的性能。针对荷电状态估计准确性难以提高的问题,在传统扩展卡尔曼算法基础上提出一种时变等效电路模型及改进分数阶扩展卡尔曼算法,利用时变的模型参数达到对锂电池荷电状态的全周期准确描述,利用分数阶导数的记忆特性对状态预测方程进行改进。同时,考虑传统分数阶扩展卡尔曼引用历史数据带来的估算误差,加入自适应噪声因子提高算法精度。针对分数阶算法带来的数据冗余问题以及锂电池的松弛效应,利用滑窗思想设计一个大小为20(M=20)的固定窗口,随电池充放电状态实时更新窗口内数据,采用窗口中20个数据进行分数阶运算,减小数据冗余带来的误差提高估算准确度。通过采用两种不同工况对提出算法可行性与算法精度进行验证。实验结果显示分数阶扩展卡尔曼估计最大误差为0.02,而传统扩展卡尔曼算法误差最大可达0.05,同时提出算法的误差波动更小,结果表明该估算方法具有较高的精度与抗干扰能力,有助于推动锂电池管理系统的发展与更加准确的荷电状态估算方法的应用。

摘要：介绍了几种常用的电池等效模型,通过试验选择了适用于磷酸铁锂电池的thevenin模型并辨识了模型参数;分析了EKF算法和BP神经网络原理,提出了BP-EKF算法,使用BP神经网络的自学习能力和逼近能力,优化和补偿EKF算法的非线性误差,同时降低了等效模型的精度要求;使用UDDS电流模拟汽车行驶电流设计了仿真试验,同时使用BP-EKF算法和EKF算法对数据进行处理,结果表明,当SOC初值误差较大时,BP-EKF算法可在300 s内接近理论值,且其收敛精度比EKF算法提高了70%以上。

摘要：动力电池荷电状态(SOC)是电动汽车行驶及充电过程中重要的信息之一,能够为驾驶者提供电池剩余电量以及续驶里程等信息。完成了基于动力电池thevenin模型的扩展卡尔曼滤波法SOC估算算法的研究与设计。通过电池的HPPC实验,识别电池模型参数,并在MATLAB中进行仿真验证,介绍了实验结果。

摘要：电动汽车中电池管理系统(BMS)是决定电池寿命和车辆安全的关键技术;针对如何提高BMS对电池状态估算的准确性,采用MATLAB/simulink对电池的化学特性进行抽象,得到可以用数学表达式进行计算的物理模型,通过hppc试验,将测试数据导入simulink模型,利用simulink强大的计算能力,得到模型中各个关键参数值。将试验数据导入创建的模型和实际试验数据进行对比,得出创建的模型几乎和实际电池的充放电特性完全一致的结论,因此可以用此模型模拟电池实际的放电过程。

摘要：针对车载锂离子电池的SoC(State of Charge)估算,面临两个主要问题:电池充放电过程中的极化效应,SoC与OCV(Open Circuit Voltage)关系曲线受电池内阻等因素影响,精度较低。从自主设计的锂电池等效电路模型入手,改进现有的thevenin模型,用一个新的极化模型来代替传统的RC模块克服锂离子电池的极化效应,增加模型的精度。利用改进后的模型,基于DualEKF(dual-Extended Kalman Filter)估计方法,克服传统方法中无法消除电池内阻误差的缺点。对照实验结果表明,在保证较低计算复杂度的情况下,使估算误差保证在6%以内。