检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

混合动力客车锂离子动力电池管理系统

高技术通讯 2008年第2期18卷 173-178页

作者：郑敏信齐铂金吴红杰张华辉北京航空航天大学机械工程及自动化学院北京100083

根据混合动力客车锂离子动力电池组单体只数多、分布比较分散的特点,设计了基于双 CAN 总线的分布式电池管理系统(BMS)。该系统由若干采样模块和一个主控模块组成,与动力电池之间的连线数量少,可扩展性强,而且采用复杂可编程逻辑器件(CP... 详细信息

根据混合动力客车锂离子动力电池组单体只数多、分布比较分散的特点,设计了基于双 CAN 总线的分布式电池管理系统(BMS)。该系统由若干采样模块和一个主控模块组成,与动力电池之间的连线数量少,可扩展性强,而且采用复杂可编程逻辑器件(CPLD)技术实现了串联电池组单体电压的采样方法,实现了温度的低成本采样方法,建立了基于"预测-修正"方法的动力电池荷电状态(SOC)的估算方法,可以实时地修正 SOC估计的误差和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。

关键词：电动汽车锂离子电池电池管理系统电池荷电状态估计

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于置信规则库的锂电池SOC估计

空军工程大学学报（自然科学版） 2019年第4期20卷 39-45页

作者：吕延卓肖明清唐希浪李剑峰刘强王联科空军工程大学研究生院西安710051 空军工程大学航空工程学院西安710038

电池荷电状态(SOC)的准确估计在电池广泛应用的背景下日益重要,但是构建精确的物理模型十分困难,使用纯粹的数据驱动方法又容易因为电池个体差异性出现过拟合问题。针对这些问题,提出基于置信规则库(BRB)的方法对锂电池SOC的进行估计。... 详细信息

电池荷电状态(SOC)的准确估计在电池广泛应用的背景下日益重要,但是构建精确的物理模型十分困难,使用纯粹的数据驱动方法又容易因为电池个体差异性出现过拟合问题。针对这些问题,提出基于置信规则库(BRB)的方法对锂电池SOC的进行估计。该方法既允许专家通过经验知识克服数据驱动方法的过拟合问题,又能通过参数训练克服专家知识的不准确性。以某型磷酸铁锂(LiFePO4)电池为例,对提出的方法进行了验证,并将其与神经网络进行了对比。结果表明,该方法估计SOC具有较高的精度,估计误差不超过10%,且可以克服传统神经网络方法存在的过拟合问题。

关键词：锂电池电池荷电状态估计置信规则库

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

电动汽车电池荷电状态的估算方法研究及展望

电动汽车电池荷电状态的估算方法研究及展望

2012安徽省汽车工程学会年会

作者：孙骏李宝辉合肥工业大学机械与汽车工程学院

随着电动汽车技术的发展,能够准确估计电池荷电状态的算法已成为迫切需求。由于电动汽车的电池组受到诸如温度、充放电次数、电池老化等各方面因素的影响,导致现有的剩余电量预测技术很难得到精确和可靠的结果。本文简要分析了现有的电... 详细信息

随着电动汽车技术的发展,能够准确估计电池荷电状态的算法已成为迫切需求。由于电动汽车的电池组受到诸如温度、充放电次数、电池老化等各方面因素的影响,导致现有的剩余电量预测技术很难得到精确和可靠的结果。本文简要分析了现有的电池剩余电量估计的方法:安时计量法,电压测量法,内阻法,神经网络和模糊推理的方法,卡尔曼滤波法。并在此基础上介绍了目前比较有价值的研究方向:卡尔曼滤波法。

关键词：电动汽车电池荷电状态估计卡尔曼滤波法

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

中国标准动车组蓄电池充电控制研究

中国标准动车组蓄电池充电控制研究

作者：彭博北京交通大学

学位级别：硕士

蓄电池作为轨道列车储能装置,被广泛应用于动车组应急供电及扩展供电中。动车组电池存在成本高、更换流程复杂、安全性要求严苛等问题,因此,控制电池充电过程,从而监控电池工作状态、提高电池寿命、保证电池可靠充电,具有重要研究意义... 详细信息

蓄电池作为轨道列车储能装置,被广泛应用于动车组应急供电及扩展供电中。动车组电池存在成本高、更换流程复杂、安全性要求严苛等问题,因此,控制电池充电过程,从而监控电池工作状态、提高电池寿命、保证电池可靠充电,具有重要研究意义。本文从三个方面研究动车组电池充电控制,内容包括电池荷电状态(State Of Charge,SOC)在线估计方法、电池充电策略以及动车组充电机控制方法。本文的具体研究内容如下:本文先以中国标准动车组钛酸锂电池为研究对象,搭建二阶RC等效电路模型,研究基于遗忘因子的递推最小二乘法(Forgetting Factor Recursive Least Squares,FFRLS)和扩展卡尔曼滤波法(Extended Kalman Filtering,EKF)两种参数在线辨识方法,并通过电池工况实验对比辨识精度,实验表明EKF法参数辨识时,电池电压预测误差低于2%,参数辨识精度更高,因此选择EKF参数辨识法进行后续研究。然后,本文针对EKF方法的噪声方差固定而导致的电池SOC估计不准确问题,提出自适应扩展卡尔曼滤波法(Adaptive Extended Kalman Filter,AEKF)估算电池SOC,并结合EKF参数辨识方法,实现模型参数和电池SOC状态的在线实时估计。对比AEKF和EKF方法在电池测试工况以及动车组电池应急工况下的SOC估计结果,证明基于AEKF算法的SOC估计方法在不同工况下的SOC估计误差一直低于2.5%,并且能实现电池SOC估计快速收敛。其次,研究钛酸锂电池充电策略,分析电池内部极化效应原理并搭建电池极化电压模型,提出基于电池SOC的分段恒流-恒压充电策略,以电池的平均极化电压和充电时间为目标函数,采用遗传算法对分段充电的电流及电压进行优化。对比结果可知,新充电策略的平均极化电压更低。最后,研究中国标准动车组充电机工作原理及控制方法并搭建仿真模型,验证模型可行性后,引入模糊控制和遗传算法对充电机PID控制方法进行改进,提出遗传算法优化的模糊PID控制方法。经仿真验证,优化控制后的充电机在不同工况下输出波动都在2.5%以下,且响应时间小于0.1s,具有更好的输出性能。

关键词：中国标准动车组电池荷电状态估计自适应扩展卡尔曼滤波遗传算法模糊控制

基于容积H无穷滤波的锂电池模型参数和SOC估计方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于容积H无穷滤波的锂电池模型参数和SOC估计方法研究

作者：姚美好吉林大学

学位级别：硕士

在环境污染和能源危机的双重压力下,电动汽车迅速发展,数量稳步增加。其中,电池作为其主要动力来源,对整车的安全影响深远。电池管理系统(Battery Management System,BMS)可以实现电池的监测、管理和维护等功能,保障电池安全。电池的荷... 详细信息

在环境污染和能源危机的双重压力下,电动汽车迅速发展,数量稳步增加。其中,电池作为其主要动力来源,对整车的安全影响深远。电池管理系统(Battery Management System,BMS)可以实现电池的监测、管理和维护等功能,保障电池安全。电池的荷电状态(State of Charge,SOC)估计是BMS的重要组成部分。准确地估计电池SOC可以防止电池过充过放,从而延长电池寿命,也便于用户合理规划路径,预测续航里程。为了得到电池SOC的精确估计结果,本文做了下列工作。首先,为了实现电池SOC准确估计,建立了Thevenin等效电路模型作为电池模型,利用电池开路电压(Open Circuit Voltage,OCV)与SOC关系拟合试验,获取两者之间的拟合函数。考虑到电池的参数会随着电池老化产生不可忽略的变化,从而对SOC估计结果产生影响,因此,及时确认电池在当前老化状态下模型参数是必要的。为了获得电池整个老化过程中的模型参数变化情况,本文设计完成了电池老化试验,提取电池的容量、电阻、极化电阻和极化电容随电池充放电次数的变化情况,并在试验过程中提取易于测量的电压、电流等相关参数,作为老化特征(Aging Characteristics,AC)用于实现后续电池模型参数估计。此外,从马里兰大学高级寿命周期工程中心(Center for Advanced Life Cycle Engineering,CALCE)的电池试验数据中也提取了相关参数,为后续的方法验证提供了补充数据。其次,采用布谷鸟优化-BP算法(Cuckoo Search-Back Propagation,CS-BP)对电池模型参数进行估计。BP算法对于估计电池模型参数这类非线性问题有较好的适用性,但是在使用过程中,初始权值和阈值的选取不当可能引起梯度爆炸或者梯度消失,导致估计失败。为了解决这一问题,本文采用布谷鸟算法(Cuckoo Search,CS)对初始权值和阈值进行优化,并在权值更新的过程中加入与前一次权值更新相关的动量项,提高了神经网络的稳定性的同时,在同样的迭代次数下,也提高了算法的精度。采用提取得到的实验室锰酸锂电池和CALCE钴酸锂电池数据对算法进行验证,仿真结果证明了本文提出的方法的普适性和有效性。利用估计得到的电池模型参数,进一步完善了电池等效电路模型,为后续SOC估计建立了精确的电池模型。最后,基于前文建立的电池等效电路模型以及估计得到的模型参数,采用花朵授粉优化-容积H无穷滤波算法(Flower Pollination Algorithm-Cubature H Infinity Filter,FPA-CHIF)进行了电池SOC估计。考虑到电池模型是一个内部反应复杂的非线性模型,本文将容积法则和HIF算法相融合,在保留了HIF算法精确度和鲁棒性的基础上,提高了HIF算法对电池模型等非线性系统的适应性,而且最大程度的抑制了非高斯噪声的影响。此外,本文采用FPA对估计得到的电池模型参数进行优化,在估计过程中实时更新模型参数,进一步提高模型和SOC估计的精度。考虑到转换概率作为FPA的重要参数,调节算法的全局寻优和局部寻优比例,本文采用自适应转换概率代替原有的固定转换概率,提高了算法的寻优效果。最后,由于CALCE给出的电池数据有限,本文仅采用实验室电池数据,设计了在电池不同老化程度下短期内的SOC估计仿真,以及电池老化程度交替的长期SOC估计仿真。仿真结果表明,改进后的算法在两种情况下均能实现SOC准确估计,而且和未经优化的HIF算法以及不考虑模型参数变化的CHIF算法估计结果相比,SOC估计精度得到了明显的提高。

关键词：锂电池电池等效电路模型电池荷电状态估计神经网络算法 H无穷滤波算法智能优化算法

风光互补制氢系统的建模与优化运行方法的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

风光互补制氢系统的建模与优化运行方法的研究

作者：张蕊河北科技大学

学位级别：硕士

当前,过度使用化石能源成为导致中国及世界各地自然灾害频发的主要原因之一。为了改变现状,将节能减排、促进可再生能源发展作为能源未来的重要发展方向,削峰填谷,充分消纳是可再生能源产业高质量发展的关键保障,因此,对于控制可再生能... 详细信息

当前,过度使用化石能源成为导致中国及世界各地自然灾害频发的主要原因之一。为了改变现状,将节能减排、促进可再生能源发展作为能源未来的重要发展方向,削峰填谷,充分消纳是可再生能源产业高质量发展的关键保障,因此,对于控制可再生能源发电系统的优化运行成为研究的热点。本文以风光互补制氢系统为研究对象,分析了关于直驱式风力发电机、光伏阵列、碱性电解槽、质子交换膜燃料电池及储能锂离子电池的工作原理并建立了数学模型,对变流器的控制进行了详细的叙述。在电解槽和燃料电池部分,分析了其稳态及动态输出特性;在储能锂离子电池部分,研究了温度、放电倍率等因素对电池的影响,并在实验平台上加以验证。模型中的参数采用带遗忘因子的递推最小二乘法进行在线参数辨识,以提高辨识准确度。在所建模型的基础上,对系统整体提出自适应扩展卡尔曼粒子滤波算法进行两阶段的优化调度,同时优化储能电池的运行范围。其中,系统的电解槽和燃料电池基于控制算法吸收长期功率波动,旨在使其在较长时间保持恒定功率,提高氢能质量,减少由波动引起的温度升高,延长设备的使用寿命。短期的功率波动由储能锂电池承担,电池作为辅助能量存储的设备,降低了对其容量的要求,并减少了退运概率。此外,该算法提高了电池荷电状态估计的精确度,根据反馈的荷电状态和电压波动避免电池的过充过放现象。由于存储氢气的容量扩充比储能电池更易实现,所以这种控制策略的提出进一步有效提高了能源的利用率。此外,充分考虑了电解槽和燃料电池输出功率的延时特性,储能电池在平抑波动的同时还补偿延时功率。仿真结果表明,本文提出的控制策略在一段时间内维持了电解槽和燃料电池输出功率的稳定,减小了对储能电池容量的要求,避免了电池的过充过放现象,提高了母线电压的稳定性。

关键词：风光互补制氢系统储能系统建模带遗忘因子的递推最小二乘法电池荷电状态估计自适应扩展卡尔曼粒子滤波优化策略

面向中低速磁浮列车的磷酸铁锂电池充电控制研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向中低速磁浮列车的磷酸铁锂电池充电控制研究

作者：杨嘉威北京交通大学

学位级别：硕士

随着我国中低速磁浮列车的迅速发展,对列车辅助供电系统中的储能装置电池组和为其提供电能的充电机提出了更高要求。电池组应用于磁浮列车中存在更换成本高、安全性能要求高、充放电速率要求严苛等问题,电池的充电过程不仅影响其充电速... 详细信息

随着我国中低速磁浮列车的迅速发展,对列车辅助供电系统中的储能装置电池组和为其提供电能的充电机提出了更高要求。电池组应用于磁浮列车中存在更换成本高、安全性能要求高、充放电速率要求严苛等问题,电池的充电过程不仅影响其充电速率,而且直接影响其使用特性。因此,对中低速磁浮列车上的电池组充电过程进行控制,提高电池充电速率、延长电池使用寿命成为一个重要的研究内容。本文以广东清远磁浮列车车载磷酸铁锂电池组及充电机作为研究对象,分析电池内部结构,研究电池充电控制策略,在此基础上对列车充电机的控制方式进行研究。首先,本文分析了磷酸铁锂电池的模型结构及其参数,建立了电池的二阶RC等效电路模型。采用扩展卡尔曼滤波算法(Extended Kalman Filtering,EKF)通过放电试验对电池模型进行参数辨识,采用自适应扩展卡尔曼滤波算法(Adaptive Extended Kalman Filtering,AEKF)引入噪声协方差对电池荷电状态(State of Charge,SOC)进行估计。根据得到的结果,建立磷酸铁锂电池仿真模型,将参数辨识结果和SOC估计结果导入模型中,通过对比电池模型放电曲线与电池实际放电曲线,验证模型正确性。其次,本文采用基于SOC的五阶段恒流-恒压充电方式解决电池充电过程中以阈值电压作为充电阶段切换标志时极化电压较大的问题,另外,针对磷酸铁锂电池在不同倍率电流充电时产生的不同极化效应问题,以充电时间和充电极化电压作为优化目标,采用遗传算法对各个阶段的充电电流进行优化计算。仿真中对比优化前后的电池充电结果,验证了优化后的充电方式在保证充电速率的基础上降低了充电极化电压。最后,研究了广东清远磁浮列车充电机的基本拓扑和控制方式,建立了充电机的仿真模型,通过模糊控制对双闭环控制中的PI控制器进行了优化并验证优化效果。将充电机模型与磷酸铁锂电池模型进行级联,把仿真输出波形与充电机实际输出波形进行对比,验证在各种工况下的输出性能均满足列车实际运行需求,充电过程中充电机输出满足充电策略所提出的输出精度要求。

关键词：广东清远磁浮列车电池参数辨识电池荷电状态估计遗传算法模糊控制

锂离子电池SOC的无迹卡尔曼信息融合估计算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

机械设计与制造工程 2017年第11期46卷 8-12页

作者：章宇晨陈博俞立浙江工业大学信息工程学院浙江杭州310023

电池荷电状态(SOC)是锂离子电池的重要性能指标,其估计精度直接影响电池的使用寿命。为了提高SOC估计性能,引入多传感器数据融合策略,利用无迹信息融合滤波器在处理非线性系统上的优势设计了SOC估计算法,与无迹卡尔曼滤波算法相比,无迹... 详细信息

电池荷电状态(SOC)是锂离子电池的重要性能指标,其估计精度直接影响电池的使用寿命。为了提高SOC估计性能,引入多传感器数据融合策略,利用无迹信息融合滤波器在处理非线性系统上的优势设计了SOC估计算法,与无迹卡尔曼滤波算法相比,无迹信息融合估计算法在SOC估计上具有更好的容错性和估计精度。仿真实验验证了该算法在SOC估计上的有效性。

关键词：无迹卡尔曼滤波器电池荷电状态估计多传感器数据融合