检索结果-南通市图书馆

基于安时积分和无迹卡尔曼滤波的锂离子电池SOC估算方法研究

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2020年第15期31卷 1823-1830页

作者：丁镇涛邓涛李志飞尹燕莉重庆交通大学机电与车辆工程学院重庆400074 重庆交通大学航空学院重庆400074

基于Thevenin等效模型建立二阶RC等效电路模型,通过混合脉冲动力功率特性测试实验获取电池脉冲放电数据,进行电池等效电路参数辨识。为弥补锂离子电池荷电状态在90%~100%区间时电池模型参数辨识拟合误差而引起其估算误差的缺陷,综合采... 详细信息

基于Thevenin等效模型建立二阶RC等效电路模型,通过混合脉冲动力功率特性测试实验获取电池脉冲放电数据,进行电池等效电路参数辨识。为弥补锂离子电池荷电状态在90%~100%区间时电池模型参数辨识拟合误差而引起其估算误差的缺陷,综合采用安时积分与无迹卡尔曼滤波估算电池荷电状态。使用硬件在环仿真测试平台及环境模拟测试平台进行电池管理系统设计,在不同工况下对电池进行荷电状态估算,结果表明荷电状态估算误差范围为-1.5%~1.0%,该方法估算精度较高,效果理想。

关键词：锂离子电池电池荷电状态估算二阶RC 无迹卡尔曼滤波硬件在环

在线全文

学校读者我要写书评

暂无评论

基于RNN的锂离子电池SOC估算研究进展

电源技术 2021年第2期45卷 263-269页

作者：徐帅刘雨辰周飞南京航空航天大学直升机传动技术国家级重点实验室江苏南京210016

深度学习的日益流行和不断的突破,积极地推动了估算锂离子电池荷电状态(SOC)新方法的研发。常用于文本翻译、语音识别等领域的循环神经网络算法已开始应用在电池SOC估算领域。概述了几种常用于电池SOC估算的循环神经网络算法,并根据结... 详细信息

深度学习的日益流行和不断的突破,积极地推动了估算锂离子电池荷电状态(SOC)新方法的研发。常用于文本翻译、语音识别等领域的循环神经网络算法已开始应用在电池SOC估算领域。概述了几种常用于电池SOC估算的循环神经网络算法,并根据结构复杂度将其分为简单、深度以及扩展循环神经网络算法。此外,从模型输入变量、数据预处理、循环神经层数及其神经元数、优化器、损失函数、测试文件、研究的温度、使用的电池类型以及估算误差方面对这些循环神经网络算法进行了比较,总结了这几种估算方法的优缺点,让读者对循环神经网络算法有更直观的了解。循环神经网络算法与其他算法相结合来估算电池SOC,将会成为重点研究方向。

关键词：锂离子电池电池荷电状态估算循环神经网络估算方法

在线全文

学校读者我要写书评

暂无评论

基于改进卡尔曼滤波的锂电池SOC估算研究

计算机仿真 2014年第3期31卷 148-150,247页

作者：潘卫华刘晓丹华北电力大学河北省发电过程仿真与优化控制重点实验室河北保定071003

如今,锂电池由于其绿色环保、耐用、自放电率低等优势被广泛使用。电池最重要的指标之一的电池荷电状态(State of Charge,SOC)的估算,对发挥锂电池的最佳性能有着至关重要的作用。在传统SOC估算方法中选择了开路电压法和安时计量法作为... 详细信息

如今,锂电池由于其绿色环保、耐用、自放电率低等优势被广泛使用。电池最重要的指标之一的电池荷电状态(State of Charge,SOC)的估算,对发挥锂电池的最佳性能有着至关重要的作用。在传统SOC估算方法中选择了开路电压法和安时计量法作为估算SOC的基础算法,并使用改进的卡尔曼滤波法对其产生的误差进行校正,把整个估算过程分为三段,改进的算法既简化了计算过程又保证了估计的准确度。最后使用simulink对整个过程进行仿真,实验结果表明上述方法能够准确地估计电池的SOC值。

关键词：锂离子电池电池荷电状态估算卡尔曼滤波法

在线全文

学校读者我要写书评

暂无评论

储能锂电池管理系统的研究与设计

储能锂电池管理系统的研究与设计

作者：吴杰中国矿业大学

学位级别：硕士

锂离子电池本身的特性比较复杂,如果工作中的荷电及健康状态不能得到实时估计,将会导致锂离子电池发生过充、过放等问题,进而引发过温、热失控等安全事故。研究能够对锂电池荷电及健康状态进行准确估算的储能电池管理系统具有重要意义... 详细信息

锂离子电池本身的特性比较复杂,如果工作中的荷电及健康状态不能得到实时估计,将会导致锂离子电池发生过充、过放等问题,进而引发过温、热失控等安全事故。研究能够对锂电池荷电及健康状态进行准确估算的储能电池管理系统具有重要意义。针对当前储能电池管理系统存在的问题,开展如下研究工作:(1)分析储能锂离子电池的工作原理、技术参数,构建其二阶RC等效电路模型,并通过脉冲放电实验实现对SOC(电池荷电状态)与开路电压的关系标定,进一步对模型参数辨识。其次,利用多新息最小二乘算法(MILS)的多个新息对输出观测值与模型估计值之间的差值进行修正,解决递推最小二乘法辨识精度低、收敛速度慢的问题。相比于递推最小二乘法而言,所研究的MILS算法在电池参数辨识上具有算法精度高、收敛速度快的优点。(2)研究电池荷电与健康状态联合估计问题。研究了具有RTS平滑结构的迭代无迹卡尔曼粒子滤波算法(RTS-IUPF),通过迭代无迹卡尔曼优化粒子滤波算法的建议分布函数,解决了传统粒子滤波算法后期存在粒子贫乏的问题。相比于传统算法,所提出的算法在估计电池荷电状态(SOC)、电池健康状态(SOH)上,算法精度及收敛速度得到提高。(3)选择功能强大、运行速度较快且移植算法方便的TMS320F28035为主控制器,以采集精度高的BQ76940芯片组成的外围电路作为前端模拟信号采集单元,并通过CAN总线实现下位机与上位机之间数据的可靠传输。(4)分析所研究的算法在实际平台上估算的结果。结果表明,估算的电池荷电状态(SOC)的绝对误差不超过1.911%,估算的电池健康状态(SOH)的绝对误差低于4%,综合性能强。该论文有图49幅,表14个,参考文献63篇。

关键词：储能电池管理系统多新息最小二乘法电池荷电状态估算电池健康状态估算联合估计

风-光储能系统锂离子电池SOC校准优化方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电机与控制应用 2023年第3期50卷 95-99,107页

作者：黄庆祥郭玲刘修童秦小安武汉供电设计院有限公司湖北武汉430030 湖北正源电力集团有限公司设计分公司湖北武汉430040

使用安时积分法估算电池荷电状态(SOC)在工业上已有广泛应用,但对于风光互补发电系统来说,使用开路电压(OCV)校准安时积分法的累积误差不切实际,因为OCV法需要电池静置数小时。针对此问题,提出一种新的校准方法,该方法与OCV法类似,但校... 详细信息

使用安时积分法估算电池荷电状态(SOC)在工业上已有广泛应用,但对于风光互补发电系统来说,使用开路电压(OCV)校准安时积分法的累积误差不切实际,因为OCV法需要电池静置数小时。针对此问题,提出一种新的校准方法,该方法与OCV法类似,但校准条件只需要电池电流恒定或小范围波动维持4 min,更适用于校准风-光储能系统中使用安时积分法存在的误差累积问题。使用4串6并的软包钴酸锂电池进行试验测试,在3.9、3.6、3.2 V三个不同电压平台中,所提出的策略与实际OCV误差均小于10 mV,换算成SOC均小于1%,证明了本文所提出策略的可行性。

关键词：锂离子电池开路电压电池荷电状态估算安时积分