基于无迹卡尔曼滤波算法的锂电池SOC估算研究
这是一篇关于锂离子电池,SOC估计,自适应无迹卡尔曼滤波,遗忘因子递推最小二乘法,电池管理系统的论文, 主要内容为为了应对全球气候变化与能源供应短缺的双重压力,各国积极开展新能源汽车相关研究。锂离子电池为电动汽车提供能量,其管理系统负责控制和管理电池状态,保障行驶安全。荷电状态(State of Charge,SOC)是电池管理系统决策的重要依据。精确的SOC估算可以提高能量利用效率,预测行驶里程。本文以18650锂离子电池作为研究对象,开展了在线估算电池SOC的研究,主要研究工作如下:(1)基于搭建的锂离子电池充放电特性实验平台,对电池进行标称容量测试、可用容量测试、脉冲放电实验和不同倍率的充放电实验,根据实验数据分析电池相关特性,最后得到电池SOC与开路电压之间的关系曲线,为后文建立电池模型及参数辨识提供了数据基础。(2)考虑到模型结构复杂度和计算量,建立二阶RC等效电路模型,对电池模型中的欧姆内阻、极化电阻和极化电容等参数选择离线和在线两种不同的方法辨识。针对递推最小二乘法会出现“数据饱和”现象,引入遗忘因子调节新旧数据所占权重,提出含遗忘因子的递推最小二乘法算法来对模型参数进行辨识,并使用动态应力测试工况对离线和在线两种辨识方法进行了对比验证,结果表明,在线参数辨识方法具有较高的精度。(3)在分析扩展卡尔曼滤波(Extended Kalman Filter,EKF)和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)基本原理的基础上,针对UKF算法假设噪声固定不变而导致滤波发散,不收敛的问题,提出自适应无迹卡尔曼滤波算法(Adaptive Unscented Kalman Filter,AUKF)对系统噪声进行实时更新。最后使用模拟动态工况实验对比了三种SOC估计算法的估计结果。结果表明,AUKF算法收敛速度快、估计结果较稳定,SOC估计平均绝对误差为0.41%。(4)使用国产APM32030芯片作为主控芯片,设计电池管理系统的硬件电路,编写控制程序和上位机显示软件,实现电池数据采集和SOC估算等功能,并通过实验测试系统的可靠性和采集数据准确性。
在用动力锂电池快速诊断系统的研究
这是一篇关于锂离子电池,免拆解,快速检测,CAN总线,直流内阻的论文, 主要内容为随着国家政策的大力支持以及锂电池技术的进步,电动汽车市场进入快速发展阶段。市场上大批量在用动力电池需要便捷且可以免拆解的检测设备针对电池健康状态进行快速检测,实现对电动汽车售后运行的监管和退役后电池的梯次利用。本文在研究了国内外电池检测设备的现状和基础上,设计了一套免拆解且便携的电池快速检测系统,可实现对电池组的单体电池层面进行快速诊断。本文主要基于Linux系统设备为主的硬件模块,通过Python与C语言编写的控制端为软件模块来实现电池的快速放电检测。系统主要应用于电动汽车动力电池包或梯次电池的快速检测,其特点是体积轻巧且能够快速诊断出动力电池单体的健康状态参数。本系统在传统嵌入式MVC架构基础上扩展设计了B/S模式,可以实现数据上传至云服务器,从浏览器端查看电池检测数据并进行电池诊断计算,根据动力电池模组失效检测流程将电池进行分类并提出诊断建议,最终将所有检测结果以诊断报告的形式提供给用户查看。本文的主要工作内容如下:首先设计了检测系统的整体结构和设计思路,主要包括硬件系统和软件系统。其中硬件系统是指基于嵌入式Linux为主,通过与时钟模块、模数转化模块、数模转换模块、CAN接收模块及恒流模块等搭建的整体硬件模块。软件系统是指基于三层架构所设计的整体框架,并展开说明每层架构的设计内容和具体实现的方法。在此基础上将软件系统扩展成网页端可访问的B/S架构,并写入硬件设备中。其次,结合检测应用场景设计了一套在用动力电池模组的失效检测流程,该检测流程涵盖了BMS设备故障、外部连接故障以及单体电池异常的检测原理。详细介绍了在单体电池异常检测中使用箱线图的方法对电池进行分类,并验证了该方法的可行性。经过一系列检测后将结果导出为一份完整的诊断报告,使用者可根据此报告对动力电池模组进行均衡、修复或更换等操作。最后,对所设计的快速检测系统进行实际测试,通过对国网动力电池模组的放电检测以及一系列的电池诊断算法计算后,根据动力电池模组的失效检测流程对每一个单体电池进行故障判定以及健康状态评级,并最终生成了电池诊断报告,验证了本系统的功能的可行性。本系统通过就地设备端免拆解且便捷的检测方式,配合云端诊断平台能够将大批量在用动力电池更好的利用起来,为完善退役电池及储能后市场提供一定的参考。
在用动力锂电池快速诊断系统的研究
这是一篇关于锂离子电池,免拆解,快速检测,CAN总线,直流内阻的论文, 主要内容为随着国家政策的大力支持以及锂电池技术的进步,电动汽车市场进入快速发展阶段。市场上大批量在用动力电池需要便捷且可以免拆解的检测设备针对电池健康状态进行快速检测,实现对电动汽车售后运行的监管和退役后电池的梯次利用。本文在研究了国内外电池检测设备的现状和基础上,设计了一套免拆解且便携的电池快速检测系统,可实现对电池组的单体电池层面进行快速诊断。本文主要基于Linux系统设备为主的硬件模块,通过Python与C语言编写的控制端为软件模块来实现电池的快速放电检测。系统主要应用于电动汽车动力电池包或梯次电池的快速检测,其特点是体积轻巧且能够快速诊断出动力电池单体的健康状态参数。本系统在传统嵌入式MVC架构基础上扩展设计了B/S模式,可以实现数据上传至云服务器,从浏览器端查看电池检测数据并进行电池诊断计算,根据动力电池模组失效检测流程将电池进行分类并提出诊断建议,最终将所有检测结果以诊断报告的形式提供给用户查看。本文的主要工作内容如下:首先设计了检测系统的整体结构和设计思路,主要包括硬件系统和软件系统。其中硬件系统是指基于嵌入式Linux为主,通过与时钟模块、模数转化模块、数模转换模块、CAN接收模块及恒流模块等搭建的整体硬件模块。软件系统是指基于三层架构所设计的整体框架,并展开说明每层架构的设计内容和具体实现的方法。在此基础上将软件系统扩展成网页端可访问的B/S架构,并写入硬件设备中。其次,结合检测应用场景设计了一套在用动力电池模组的失效检测流程,该检测流程涵盖了BMS设备故障、外部连接故障以及单体电池异常的检测原理。详细介绍了在单体电池异常检测中使用箱线图的方法对电池进行分类,并验证了该方法的可行性。经过一系列检测后将结果导出为一份完整的诊断报告,使用者可根据此报告对动力电池模组进行均衡、修复或更换等操作。最后,对所设计的快速检测系统进行实际测试,通过对国网动力电池模组的放电检测以及一系列的电池诊断算法计算后,根据动力电池模组的失效检测流程对每一个单体电池进行故障判定以及健康状态评级,并最终生成了电池诊断报告,验证了本系统的功能的可行性。本系统通过就地设备端免拆解且便捷的检测方式,配合云端诊断平台能够将大批量在用动力电池更好的利用起来,为完善退役电池及储能后市场提供一定的参考。
锂离子电池微通道冷板优化设计及换热性能研究
这是一篇关于锂离子电池,热管理,微通道冷板,特斯拉阀,多目标优化的论文, 主要内容为车用锂离子电池的性能对温度较为敏感,开发高效节能的电池热管理技术,确保锂离子电池运行在15～35℃的最佳范围内,对锂离子电池意义重大。微通道冷板因体积小且换热系数大等优势广泛应用于车用锂离子电池冷却,冷板结构、通道形状和数量的优化研究是改善其换热性能的关键。本文针对方形电池设计了一种特斯拉阀型通道冷板,在建立的高精度电池热模型基础上开展液冷仿真,优化冷板配置参数,并通过液冷循环实验研究了冷板的换热性能。基于搭建的电池特性测试实验平台,设计并开展了一系列锂离子电池特性实验,包括放电温升实验、开路电压与端电压测试、混合动力脉冲能力特性实验和熵热系数实验,分析处理实验结果,获取了电池温升特性、开路电压与端电压特性、内阻特性和熵热系数特性,为后续电池热模型的建立与仿真提供了重要依据。根据电池产热和传热机理建立了电池三维三源项热模型。开展了绝热条件下方形和圆形电热片加热实验,辨识了电池内核比热容和各向导热系数;根据Bernardi产热模型和焦耳定律分别获取了电池内核区时变产热率和正负极区恒定产热率;使用Fluent开展了电池产热模拟,温升仿真与实验相对误差维持在3.57%以内,电池热模型精度较高,为液冷结构的优化设计提供了模型参考。设计了一种具有特斯拉阀型通道的冷板,建立了电池液冷有限元模型,针对电池3C放电工况开展了液冷仿真,发现与Z型通道相比,特斯拉阀型通道内冷却液正向和逆向流动时冷却效率分别提高了约4.5%和17.6%,特斯拉阀的分叉结构造成的湍流扰动增强了冷板的换热能力,改善了电池温均性。分析了冷板特征参数和冷却液流速改变对电池冷却效果的影响,通过中心复合设计响应面法获取了三个评价指标代理模型,设计了期望函数进行多目标优化,结果表明特斯拉阀夹角为120°、特斯拉阀间距为23.1mm、通道间距为28mm、冷却液进口速度为0.83m/s的冷板在换热性能与能耗之间取得了良好的平衡,最优配置下电池最高温度控制在30.5℃以内,且通道压降较低。基于搭建的液冷系统实验平台开展了电池液冷循环实验,检验了仿真的合理性与准确性,最优配置下液冷仿真与实验最大误差不超过1.25℃,证明了冷板参数优化设计的可信度较高。通过实验分析了冷板换热性能随冷却液进口流量和温度的变化规律,发现冷却液进口流量超过398m L/min时,电池冷却效果和温均性的改善逐渐趋于饱和状态;而冷却液进口温度的确定应考虑环境因素,进口温度过高或过低会造成冷板性能不均衡。
新能源汽车动力锂离子电池组SOC估计方法研究
这是一篇关于锂离子电池,SOC估计,温度修正,等效电路模型,改进自适应扩展卡尔曼滤波的论文, 主要内容为锂离子电池因其高能量密度、高循环寿命等优势,已被广泛应用于新能源汽车行业中。而准确的电池荷电状态(State of charge,SOC)估计值作为电池管理系统的重要监测指标,是防止电池过充过放、进行高效的能量管理和准确的剩余里程预测的重要前提。因此,开展锂离子电池SOC估计方法研究对其实际应用中正常工作、寿命和能量利用率的提高非常重要。本文研究了考虑环境温度影响的锂离子电池组的SOC估计方法,主要内容包括设计锂电池测试实验、建立温度修正等效电路模型、设计改进自适应扩展卡尔曼滤波算法以及设计模型和算法验证。通过参考相应电池测试手册设计锂电池测试试验,并完成实验平台搭建。基于电池测试试验采集的不同温度实验数据进行模型参数辨识,获取各温度下的模型参数。基于获取的模型参数进行曲线分析,选择对温度变化敏感的参数。之后,对选取的模型参数进行温度影响研究,并基于选取参数的变化规律设计温度修正方法。至此,基于温度修正的等效电路模型建立完成。对于模型的验证,选择-5℃、15℃、35℃下的恒流放电工况和-10℃、10℃、25℃下非恒流放电工况进行验证,且验证结果符合要求。通过对现有SOC估计算法研究,发现自适应扩展卡尔曼滤波算法的噪声估计窗口多为固定窗口。但是,误差新息序列分布受模型误差、算法本身误差以及电流扰动影响并不是固定不变的。本文基于误差新息序列分布特性,设计了一款变窗口自适应扩展卡尔曼滤波算法。该算法可以根据误差新息序列分布情况对噪声估计窗口长度进行调整,获取精度更高的噪声估计值。最后,将设计的变窗口自适应扩展卡尔曼滤波算法与温度修正等效电路模型结合进行SOC估计。对于算法验证,采用-5℃、15℃、35℃下DST工况数据对所提改进算法进行验证。同时,选取扩展卡尔曼滤波算法以及不同固定窗口的自适应扩展卡尔曼滤波算法与所提改进算法进行对比分析。验证结果表明,所提改进算法的SOC估计精度具有显著提高。
锂离子电池荷电状态和健康状态估计方法研究
这是一篇关于锂离子电池,改进粒子滤波,SOC估计,SOH估计,联合估计的论文, 主要内容为近年来,新能源行业的迅猛发展使得传统化石能源短缺问题和环境污染问题在一定程度上有所缓解,有助于实现经济的可持续发展。锂离子电池因其特有的性能优势被广泛应用于储能电源系统和新能源汽车中,但其安全问题仍是制约当前发展的主要因素,荷电状态(State of Charge,SOC)和健康状态(State of Health,SOH)的准确估计对电池的安全管理有着重要意义,因而成为当前的研究热点,本文则针对锂离子电池的SOC和SOH估计展开研究。本文基于锂离子电池二阶RC等效电路模型进行建模分析,对比分析了递推最小二乘法(Recursive Least Square,RLS)和变遗忘因子递推最小二乘法(Variable Forgetting Factor Recursive Least Square,VFFRLS)两种参数辨识算法,结果表明VFFRLS有着更高的参数辨识精度。其次在SOC估计方面,针对传统的扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法存在线性化误差、初始SOC不正确时收敛速度较慢等问题,本文设计了一种改进的粒子滤波(Particle Filter,PF)来进行解决,改进的PF是将莱维(levy)飞行策略引入PF,代替其原有的重采样过程。通过在不同工况下进行仿真验证,结果表明在不同初始SOC下SOC估计结果均能快速收敛至SOC真实值附近。针对SOH估计,选择EKF算法进行电池容量估计,仿真结果表明在容量初始值未知的情况下均能得到准确的容量估计结果。另外,针对SOC和SOH联合估计,本文首先进行了单时间尺度下的联合估计;其次将电池参数和容量在一段时间内波动较小的量归为宏观时间尺度下的参数,将SOC归为微观时间尺度下的参数,进行多时间尺度下的SOC和SOH联合估计。结果表明单时间尺度和多时间尺度下的联合估计在误差相当的情况下,多时间尺度联合估计运算量小,实时性更高。最后,搭建了含储能锂离子电池的双向DC-DC微电网实验平台,针对直流母线电压波动,通过控制锂离子电池充放电来稳定母线电压。在此工况下,对电池进行单时间尺度和多时间尺度下的参数辨识、SOC和SOH的实时在线联合估计。实验结果验证了所设计参数辨识以及状态估计算法的有效性和可行性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码驿站 ，原文地址：https://bishedaima.com/lunwen/48533.html
