检索结果-南通市图书馆

电动汽车锂离子电池SOC与sop估计算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电动汽车锂离子电池SOC与SOP估计算法研究

作者：王甜甜西安科技大学

学位级别：硕士

锂离子电池精确的荷电状态(SOC)和功率状态(sop)是电动汽车能否稳定运行的关键,也是电池管理系统的核心问题和技术难点。为充分发挥锂电池性能并使车用动力电池BMS系统安全可靠的工作,需采用荷电状态和持续峰值放电功率状态作为判断电... 详细信息

锂离子电池精确的荷电状态(SOC)和功率状态(sop)是电动汽车能否稳定运行的关键,也是电池管理系统的核心问题和技术难点。为充分发挥锂电池性能并使车用动力电池BMS系统安全可靠的工作,需采用荷电状态和持续峰值放电功率状态作为判断电池性能的重要指标。为了精准地获取锂离子电池模型参数和内部状态估计值,本文建立二阶RC等效电路模型,设计基于双容积卡尔曼滤波(D-CKF)的锂电池SOC估计与多参数约束的sop估计算法。在分析锂离子电池结构与工作原理的基础上,开展动态容量测试、开路电压测试、快速脉冲放电工况以及EPA城市动力工况(UDDS)测试,完成动态容量建模、SOC-OCV曲线标定。建立二阶RC等效电路模型,利用人工蜂群算法对模型参数进行初始最优解标定,为模型参数辨识初始化作参考。采用双容积卡尔曼滤波算法同时进行锂电池模型参数辨识和SOC估计。设计基于SOC的锂电池多参数约束sop估计方法,能实现最优BMS配置,延长电池使用寿命;在基于SOC、端电压和单体峰值电流约束条件计算峰值电流,根据多参数约束下的峰值放电电流计算不同持续时间峰值放电功率。将半实物仿真系统与锂电池测试系统相结合,在快速脉冲放电工况和UDDS工况下,对SO.C估计算法和多参数约束条件下sop估计方法的精度实现快速控制原型(RCP)验证。试验结果表明:无论是恒电流放电还是复杂交变电流放电,选用D-CKF算法进行锂电池模型参数辨识均能够提高模型端电压预测精度。在快速脉冲放电工况和UDDS工况下,基于D-CKF算法的模型参数辨识端电压平均误差分别为0.0067和0.0066。选用D-CKF算法进行锂电池SOC估计能够较快修正初始误差,具有较强的跟踪收敛能力。在快速脉冲放电工况和UDDS工况下,D-CKF算法的SOC估计平均误差保持在0.01左右,相较于传统CKF算法分别降低34.7%和41.9%。所设计的锂电池多参数约束下sop估计能够在定义的持续放电时间内提高电池利用率及保障系统安全性。在快速脉冲放电工况和UDDS工况下,电池sop估计平均误差均在4W左右,不同 SOC 区间的峰值1电流约束条件不同,如果仅单约束条件进行峰值sop估计,会造成某一区间内电流偏大,缩短电池使用寿命。

关键词： SOC估计 sop估计二阶RC模型人工蜂群算法双容积Kalman滤波

锂电池SOC、SOH及sop估计的改进算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

锂电池SOC、SOH及SOP估计的改进算法研究

作者：樊郭宇山西大学

学位级别：硕士

在当前的社会环境下,锂离子电池广泛应用于各个行业,尤其是在无污染、重量轻的新能源电动车领域。对锂电池的荷电状态(State of Charge,SOC)、健康状态(State of Health,SOH)及峰值功率(State of Power,sop)的精确估计对提升电池的使用... 详细信息

在当前的社会环境下,锂离子电池广泛应用于各个行业,尤其是在无污染、重量轻的新能源电动车领域。对锂电池的荷电状态(State of Charge,SOC)、健康状态(State of Health,SOH)及峰值功率(State of Power,sop)的精确估计对提升电池的使用效率和性能有重要的意义。本文围绕锂离子电池SOC、SOH及sop的估计算法展开研究,进行了如下工作:现有SOC的估计方法中仅仅加入了温度校正系数,无法得知温度对电池内部各参数的影响,而电池参数的改变又会影响SOC估计的准确度。针对此问题,考虑了温度变化对电池内部参数影响,提出了一种考虑温度的滑模观测法(Sliding Mode Observer,SMO)进行SOC估计。基于HPPC(Hybrid Pulse Power Characterization)实验得到的详细数据,建立了18650锂电池的一阶Thevenin模型,并进行了不同温度条件下的参数辨识。最后,通过Typhoon进行半实物实验分析,结果表明,改进SMO在常温下的误差降低约2.3%,低温下的误差降低约3%。SOC及SOH的估计大多采用独自估计的方法,估计速度快,但估计误差相对较大。针对此问题,本文基于上述改进SMO算法的基础上,设计了双滑模观测器(Dual Sliding Mode Observer,DSMO)对SOC和SOH进行联合估计。联合估计实现了两者之间的循环迭代,考虑其耦合效应及温度变化导致的参数变化,进一步增强SOC和SOH的估计精度。通过Typhoon的仿真实验可以得知,所构建的DSMO联合估计算法,不论是在低温还是常温工况下,SOC的估计误差降低了0.04%,SOH估计误差始终维持在2%的范围内。锂电池的sop的估计是对电池在未来短期内所能提供的功率的预测。电动车在行驶过程中,为了避免对电池造成伤害,电池的最大充放电电流和截止电压都会受到限制,同时必须保留一定的电池储能余量,以保证电池满足车辆爬坡、加速和制动能量回收时的动力需求。因此,本文考虑了SOC约束、端电压约束和电流特性约束组成的多条件约束对sop进行估计,并通过Typhoon进行仿真验证。结果显示,在不同的温度条件下的估计误差不超过2.5%。

关键词：锂离子电池 SOC估计 SOH估计 sop估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

锂离子动力电池sop在线估计方法研究

电源技术 2019年第9期43卷 1448-1452页

作者：金鑫娜顾启蒙潘宇巍华旸北京航空航天大学交通科学与工程学院

提出基于一阶RC等效电路模型和电压限制的二维插值动力电池功率状态(sop)估计方法,并采用HPPC试验对模型进行标定和验证,形成以电池实际充/放电容量和工作温度为变量的电池充/放电峰值功率二维插值表,实现电池sop的在线估计。结果表明,... 详细信息

提出基于一阶RC等效电路模型和电压限制的二维插值动力电池功率状态(sop)估计方法,并采用HPPC试验对模型进行标定和验证,形成以电池实际充/放电容量和工作温度为变量的电池充/放电峰值功率二维插值表,实现电池sop的在线估计。结果表明,采用一阶RC模型表征锂离子电池较为精确,采用二维插值在线估计sop的方法的计算工作量较小。

关键词：锂离子电池 RC等效电路 sop估计二维插值

锂离子电池sop和SOE估计及半实物仿真验证

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

锂离子电池SOP和SOE估计及半实物仿真验证

作者：高乐北京交通大学

学位级别：硕士

由于全球石油资源的紧缺,汽车技术也逐渐向着节能和环保方向发展,因此我国积极鼓励新能源汽车的开发和使用。电池模型和状态估计等是当下动力电池技术的研究热点,其中电池峰值功率(State of Power,sop)和能量状态(State of Energy,SOE)... 详细信息

由于全球石油资源的紧缺,汽车技术也逐渐向着节能和环保方向发展,因此我国积极鼓励新能源汽车的开发和使用。电池模型和状态估计等是当下动力电池技术的研究热点,其中电池峰值功率(State of Power,sop)和能量状态(State of Energy,SOE)与电动汽车的加速制动和续航里程密切相关,其在线准确估计是电池管理系统研究的重点问题。本课题依托国家重点研发计划“高精度、高可靠电池管理系统关键技术研究”,重点研究了基于分数阶模型的模型参数在线辨识和sop、SOE的联合在线估计方法,并应用于d SPACE进行半实物仿真验证,全文内容如下:首先,分别介绍了整数阶等效电路模型和分数阶等效电路模型,阐述了分数阶扩展卡尔曼滤波算法(Fractional Extended Kalman Filter,FEKF)和分数阶带遗忘因子的递归最小二乘算法(Recursive Least Squares Method with Forgetting Factor,FFRLS)的推导过程,建立了基于三种算法的参数在线辨识方法,利用三种动态测试工况,在不同条件下对比分析了三种参数辨识方法的优劣。结果表明,FEKF算法在宽温区、大倍率和全SOC区间参数辨识的整体误差和最大误差均优于其他两种方法。其次,介绍了三种常用峰值功率离线测试方法,分析了离线测试方法存在的缺陷并提出了动态峰值功率测试方法;以动态峰值功率测试方法为基准值,研究了基于分数阶模型的sop在线估计方法,并在不同条件下验证了估计方法的准确性,估计误差在40W以内;在此基础上提出了以峰值功率为核心评价指标锂离子电池性能评价方法,利用四块不同状态的电池说明了评价方法的可行性。然后,介绍了基于FEKF算法的SOE估计原理,推导了FEKF算法估计SOE的状态空间方程,提出了分数阶双扩展卡尔曼滤波的模型参数和SOE在线估计方法;分析了不同记忆长度和模型阶次对SOE估计精度的影响特性,确定了记忆长度和模型阶次的值;在不同温度和不同倍率条件下,对比分析了分数阶模型EKF算法和整数阶模型EKF算法的SOE估计精度。结果表明,分数阶模型在宽温区、大倍率和全SOC区间SOE估计结果的稳定性和精度均优于整数阶模型,分数阶模型估计精度在4%以内。最后,构建基于分数阶模型的锂离子电池模型参数、SOC、sop和SOE联合在线仿真模型。将整数阶联合仿真模型嵌入到d SPACE硬件在环仿真平台验证复杂工况下估计方法的适用性和稳定性。

关键词：锂离子电池分数阶模型参数在线辨识 sop估计 SOE估计分数阶扩展卡尔曼滤波算法

基于数据驱动的锂离子电池状态估计及sop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

基于数据驱动的锂离子电池状态估计及SOP研究

作者：潘思源青岛科技大学

学位级别：硕士

锂离子电池具有能量密度高、使用寿命长、对环境危害小等优点,在新能源汽车领域得到了广泛应用。在实际运行中,高效的电池管理系统(Battery management system,BMS)以及准确的电池状态估计在确保电池的安全可靠运行、延长电池使用寿命... 详细信息

锂离子电池具有能量密度高、使用寿命长、对环境危害小等优点,在新能源汽车领域得到了广泛应用。在实际运行中,高效的电池管理系统(Battery management system,BMS)以及准确的电池状态估计在确保电池的安全可靠运行、延长电池使用寿命等方面起到重要作用。针对电池状态估计的误差较大、在各类工况中的适应能力不足等问题,本文从数据驱动的角度出发,以锂离子电池荷电状态(State of charge,SOC)、健康状态(State of health,SOH)以及功率状态(State of power,sop)的准确估计为研究重点,主要开展了以下工作:(1)动力电池实验平台的搭建及电池模型的研究:以C-300A-05V-8CH型电池综合性能检测设备为电池充放电控制设备,建立了宁德时代ATL-V0D5N0型磷酸铁锂电池的实验数据库,为电池状态估计提供了数据支持。建立了电池二阶RC等效电路模型,通过带遗忘因子的最小二乘法进行了参数的离线/在线辨识。最后通过HPPC测试、DST、FUDS工况测试的端电压曲线验证了参数辨识方法的准确性,作为电池SOC、sop的估计基础。(2)基于AOA-UKF算法的电池SOC估计研究:从电池工况电流、端电压数据驱动的角度,通过空间状态方程提出了基于无迹卡尔曼滤波的SOC估计算法。同时,采取了算术优化算法对系统噪声协方差矩阵以及测量噪声协方差矩阵参数进行寻优,解决了滤波过程中噪声矩阵数值难以确定的问题。最后,通过UDDS、US06工况将本文提出的AOA-UKF算法与PSO-EKF算法、PSO-UKF算法进行对比分析,验证了所提出改进方案的有效性和准确性,解决了传统卡尔曼滤波算法估计精度低、对SOC初值要求高的问题,作为SOC约束下的电池sop估计基础。(3)基于改进BiLSTM算法的电池SOH估计研究:通过数据驱动的方式建立了SOH估计的BiLSTM神经网络模型。分析了电池老化机理,在恒流充电阶段的IC曲线中提取电池健康特征,作为网络模型的输入变量。通过自注意力机制层为不同重要程度的输入变量赋予不同权重,增加了重要信息对模型估算的影响程度。再由金鹰优化算法对BiLSTM模型超参数的最佳组合进行寻优,提高了SOH估计的准确性。最后,通过实验平台测试的ATL电池老化数据以及NASA公开数据集中B05、B06号电池老化数据,将本文提出的改进BiLSTM算法与BiLSTM、LSTM、GRU算法进行对比实验,验证了改进方法可以有效地提高SOH估计的准确度与拟合程度,为SOH约束下的电池sop估计奠定基础。(4)基于多状态约束的锂离子电池sop估计研究:针对单一条件估计sop准确度低的问题,结合对端电压、SOC、SOH的准确估计提出多状态条件约束的sop估计方法。进行了电池恒功率放电实验,以曲线拟合的方法获得电池在不同放电持续时间(30s、2min、5min)的峰值功率真实值。然后将端电压单独约束、SOC单独约束以及多状态条件约束的峰值功率曲线进行对比,验证了本文采取方法的准确性。最后,由不同工况、不同持续时间和不同老化程度的电池峰值功率的估计结果,验证了多状态条件约束对sop估计在不同情况的适应性与合理性。

关键词：状态估计数据驱动 AOA-UKF算法 BiLSTM神经网络 sop估计

基于改进等效电路模型的高比能量储能锂电池系统功率状态估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电网技术 2021年第1期45卷 57-66页

作者：杨新波郑岳久高文凯任东生韩雪冰欧阳明高上海理工大学机械工程学院上海市杨浦区200093 汽车安全与节能国家重点实验室(清华大学) 北京市海淀区100084

针对高比能量电池大倍率下的电化学特性特殊性,用传统的等效电路模型(equivalent circuit model,ECM)估计功率状态(state of power,sop)存在精度较低的问题,提出一种拓展的等效电路模型(extended equivalent circuit model,E-ECM)进行SO... 详细信息

针对高比能量电池大倍率下的电化学特性特殊性,用传统的等效电路模型(equivalent circuit model,ECM)估计功率状态(state of power,sop)存在精度较低的问题,提出一种拓展的等效电路模型(extended equivalent circuit model,E-ECM)进行sop估计。分析锂离子动力电池负载电流对极化内阻的影响,基于不同倍率测试和最小二乘的方法建立极化内阻与电流的关系;通过引入SOC偏差△z的概念,来描述电池内部的固相扩散反应引起的扩散压降,对部分SOC区间的△z进行了拟合预测;构建了考虑极化内阻电流依赖性和扩散压降的E-ECM模型,基于E-ECM模型进行电压限制下的10s和180s的sop估计。搭建了面向单体电池的基本性能实验和sop最大电流实验平台,分析结果表明,基于模型的最大电流平均误差不超过0.41%、最大误差0.51%左右,基于拟合预测△SOC处的最大电流误差为1.47%,验证了E-ECM模型对sop估计的有效性和准确性,为锂离子动力电池管理系统功率状态估计与控制提供了理论支撑。

关键词：极化内阻电流依赖性 sop估计等效电路模型高比能量电池

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

锂离子动力电池功率状态估计方法的研究

锂离子动力电池功率状态估计方法的研究

作者：王晶晶上海理工大学

学位级别：硕士

动力电池作为电动汽车的能量来源,肩负着车辆行驶过程中的功率要求。为满足汽车行驶过程中的加速、爬坡等需要,当前状态下功率估计(state of power,sop)的精确度显得尤为重要。如果功率估计过高,会引起电池的过充过放,导致电池可能会出... 详细信息

动力电池作为电动汽车的能量来源,肩负着车辆行驶过程中的功率要求。为满足汽车行驶过程中的加速、爬坡等需要,当前状态下功率估计(state of power,sop)的精确度显得尤为重要。如果功率估计过高,会引起电池的过充过放,导致电池可能会出现安全问题,如果功率估计过低,则可能会无法满足用户加速、爬坡等需求,影响用户的体验感。传统的sop估计,一般是建立在静止状态下或者是基于传统等效电路模型,由于电池在运行过程中内部可能会发生较为复杂的电化学反应,无法准确描述动态工况下电池的sop,且一般需要大量的线下标定,对实车电池管理系统(battery management system,BMS)的存储空间提出了较高的要求。通过分析比较,本文以锂离子动力电池为研究对象,提出了一种更新的sop在线估计模型。通过对电池内部电化学反应的分析,提出了一种考虑电池电化学反应的端电压估计模型,结果表明,考虑电化学反应对端电压的准确估计具有重要意义。本文所提出的更新的sop在线估计模型的研究以考虑电池电化学反应的端电压估计模型为基础,在sop估计模型中加入考虑电池内部固相扩散的因素,通过线下标定,表明该方法的实用性。为实现该模型在实车BMS中的运用,本文又提出了利用带有遗忘因子的递归最小二乘法(recursive least-squares algorithm,RLS)进行动态工况下模型参数的在线辨识,利用辨识得到的模型参数,外加考虑固相扩散引起的SOC的改变,获得某SOC下一段时间内的脉冲电流。首先,考虑电池内部电化学反应,建立电池端电压估计模型。传统的等效电路模型在估计电池运行过程中的端电压时,只考虑电池内部平均锂离子浓度对应的电势变化,而电池在实际运行过程中,电池内部会发生复杂的电化学反应,造成平均锂离子浓度与表面锂离子浓度之间存在浓度差,导致使用传统的等效电路模型会使得估计精度较差的结果,本文提出一种考虑固相扩散的等效电路模型,在传统等效电路模型的基础上增加描述固相扩散的环节,利用粒子群优化(particle swarm optimization,PSO)算法进行模型的参数辨识,通过对新欧洲标准行驶循环(new european driving cycle,NEDC)动态工况以及大倍率脉冲放电的电压曲线的估计,结果表明该模型的精度远高于传统的等效电路模型。接着,根据上述对端电压估计的研究,提出一种考虑固相扩散的sop估计模型。通过对端电压估计的研究,在大倍率脉冲放电情况下,电池内部会发生剧烈的电化学反应,使得电池内部的固相扩散对估计精度产生较大的影响。传统的等效电路模型在估计sop时忽略了固相扩散对模型精度的影响以及极化内阻的变化,无法描述脉冲过程中低压区间的非线性变化,使得得到的估计值大于实际脉冲电流值。本文在传统的等效电路模型的基础上,对RC环节进行改进,能够描述极化内阻与脉冲电流之间的关系,此外增加了ΔSOC用来描述表面SOC与平均SOC之间的差异。利用该模型进行脉冲电流估计,通过与实际值的比较,该模型的精度较高。最后,由于上述模型建立在线下标定的基础上,工作量较大,不利于实车BMS的应用,提出了一种基于带遗忘因子的RLS算法的在线sop估计模型。将上述模型表达式改写成RLS的算法形式,对NEDC以及全球轻型车测试规程(world light vehicle test procedure,WLTP)动态工况的数据进行在线辨识,获得实时SOC对应的参数值,由于动态工况中的电流都在1C以下,故在参数辨识时忽略固相扩散的影响。在获得参数后,计算80%、50%以及20%下10s以及180s的最大脉冲电流,该计算过程需要考虑电池的固相扩散,即需要加入上述中所获得的每个电池ΔSOC的标定量。

关键词：锂离子电池参数辨识端电压估计 sop估计最小二乘算法

基于阻抗谱的锂离子电池快速状态评估系统设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于阻抗谱的锂离子电池快速状态评估系统设计

作者：魏刚哈尔滨工业大学

学位级别：硕士

锂离子电池自问世以来,在人类生产生活的各个方面发挥了越来越重要的作用。对于一些特殊应用场景的电池状态估计问题,需要寻求一种有别于传统状态估计方法的快速评估手段。锂离子电池性能的退化反映在其阻抗上,因此本文基于锂离子电池... 详细信息

锂离子电池自问世以来,在人类生产生活的各个方面发挥了越来越重要的作用。对于一些特殊应用场景的电池状态估计问题,需要寻求一种有别于传统状态估计方法的快速评估手段。锂离子电池性能的退化反映在其阻抗上,因此本文基于锂离子电池电化学阻抗谱搭建时域测量系统,接着基于阻抗谱进行建模解析和参数辨识,并在不同工况下检验模型仿真能力,设计锂离子电池健康状态（State of Health,简称SOH）和功率状态（State of Power,简称sop）的估计算法,具体内容如下:首先,为了实现锂离子电池阻抗谱的快速准确测量,设计基于快速傅里叶变换的阻抗谱时域测量系统,包括硬件电路和软件流程的设计;通过测量磷酸铁锂电池的阻抗谱验证实测效果,并采用测量等效电路阻抗谱、与电化学工作站测量结果对的方式检验测量系统的精度;对同一状态下的电池进行多次阻抗谱测量验证测量的可重复性;验证测量系统对不同种类锂离子电池阻抗谱测量的有效性。其次,针对磷酸铁锂18650电池和钴酸锂UR14500电池的阻抗谱,分别建立二阶和三阶分数阶阻抗模型;使用数学解析的方法建立模型阻抗谱与模型参数的关系,并验证解析方法的有效性;在此基础上,提出一种基于数学解析和LevenbergMarquardt算法的融合辨识算法,设计Levenberg-Marquardt算法参数辨识流程,并基于实际电池阻抗谱数据验证辨识方法的精度,分析幅值和相角的误差水平。最后,针对上述两种电池分别建立二阶和三阶分数阶模型,借助分数阶微积分工具进行模型频域/时域变换,分别验证模型在动态工况下的端电压仿真能力和在恒流工况下的容量仿真精度;对钴酸锂电池进行循环老化实验,测量其不同老化阶段的阻抗谱、电池容量和充电sop;设计基于BP神经网络和模型参数的SOH估计算法,验证SOH估计精度;设计基于二分法的sop仿真估计算法,分析其误差水平;最后基于上述所有工作进行电池状态评估系统上位机界面设计和调试工作。本文基于电化学阻抗谱,实现了对电池阻抗谱快速准确的测量,解决了基于阻抗谱的分数阶模型建模和参数辨识问题,完成了对模型仿真精度的验证、状态估计算法的开发以及状态评估系统界面的设计。本文所做的工作在电池状态快速评估方面具备一定的工程应用价值。

关键词：电化学阻抗谱分数阶模型参数辨识 SOH估计 sop估计

考虑温变—迟滞效应的动力电池状态估计方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

考虑温变—迟滞效应的动力电池状态估计方法研究

作者：李园长安大学

学位级别：硕士

电池的荷电状态(SOC)、功率状态(sop)是电池管理系统中两个重要状态参量,分别反映了电动汽车的续航里程和瞬时动力性能。准确可靠的电池状态估计为电动汽车在实际复杂工况下的安全稳定运行提供保障。由于电池内部参量会随着工况、环境... 详细信息

电池的荷电状态(SOC)、功率状态(sop)是电池管理系统中两个重要状态参量,分别反映了电动汽车的续航里程和瞬时动力性能。准确可靠的电池状态估计为电动汽车在实际复杂工况下的安全稳定运行提供保障。由于电池内部参量会随着工况、环境温度等因素实时发生改变,使得以此为基础的电池建模和状态估计成为难点。针对上述问题,本文以磷酸铁锂电池为对象,建立了温变-迟滞等效电路模型,并对电池SOC与sop的实时估计算法展开深入研究。主要研究内容有:(1)根据磷酸铁锂电池的工作机理,对电池特性在不同温度下开展相关测试,分析了温度变化和迟滞现象对于电池建模的影响。在已有电池模型的基础上,建立了基于温变-迟滞效应的二阶RC等效电路模型,根据不同温度下的开路电压、内阻等参数的变化特性,采用直接辨识法对电池参数进行辨识。在Matlab中完成了建模仿真,结果显示在恒温和变温条件下带迟滞的温变模型比未带迟滞的温变模型误差小且稳定。(2)由于电池模型参数时变且扩展卡尔曼滤波算法(EKF)存在线性误差,导致SOC估计精度较低。针对此问题,通过引入温变-迟滞模型建立SOC估计状态空间方程,结合自适应无迹卡尔曼滤波法算法(AUKF)对电池SOC进行在线估计。仿真结果表明在恒温、变温条件下,AUKF算法比EKF滤波算法精度更高,且误差范围稳定,验证了该算法的准确性。(3)针对充放电过程中限制条件单一造成电池sop估计结果不准确的问题,通过对混合脉冲功率特性法(HPPC)和单一约束条件下脉冲过程的分析,采用电流-电压-SOC联合约束条件对电池的峰值功率进行在线预测,依据所建电池模型,得出多约束条件下的充放电峰值电流,进而估算出峰值功率。仿真结果显示,与HPPC法相比,多约束条件下的峰值功率估计结果可靠性更高。

关键词：动力电池温变-迟滞效应等效电路模型 SOC估计 sop估计