共查询到20条相似文献，搜索用时 15 毫秒
1.
2.
为了更加精确地估算锂电池荷电状态,建立能够反映电池动态工作特性的二阶RC等效模型。在模型参数辨识的基础上,先用数学分析、电路模型构建相关状态方程与观测方程,再结合扩展卡尔曼滤波算法,针对状态噪声与观测噪声的不确定干扰,提出一种自适应调整方案。通过锂电池放电实验,结合MATLAB仿真分析,验证了自适应调整后的卡尔曼滤波算法可更精确地预估锂电池荷电状态,与扩展卡尔曼滤波算法相比,该算法降低了约2.31%的误差。 相似文献
3.
4.
河蟹养殖自动作业船在作业过程中,准确估算蓄电池剩余电量是作业状态调整的关键因素之一。单一静态的蓄电池剩余电量估算算法难以满足特定系统下的需求,基于特定应用场合的复合型算法逐渐成为研究主流。以作业船蓄电池剩余电量估算为研究目标,基于二阶 RC 电路模型,结合扩展卡尔曼滤波算法,提出一种基于作业船实时工作特性的蓄电池剩余电量估算策略。通过模拟作业船实时工作条件,验证该算法的可用性。实验结果表明,该算法所获估计值相比理论值的平均误差为 3.35%,能够满足作业船蓄电池剩余电量估算要求,对水产养殖作业船电能管理具有一定现实意义。 相似文献
5.
针对电动汽车动力锂电池,提出一种能够在恒流及变流放电工况下修正SOC估算误差的方法.首先以双阻容并联网络RC作为锂电池等效电路模型,采用最小二乘法对模型参数进行估计,再依据模型及实验数据构建锂电池非线性状态方程,对锂电池开路电压与SOC的关系进行拟合,最后结合EKF算法与安时积分算法估算锂电池SOC,并采用脉冲放电实验... 相似文献
6.
《晋城职业技术学院学报》2018,(2):59-61
电动汽车动力电池荷电状态(State Of Charge,SOC)的准确估算能提高整车性能和电池使用效率,方便驾驶员及时准确地了解电池剩余电量和电动汽车续航里程。本文基于等效电路的模型,应用扩展卡尔曼滤波法(EKF),以磷酸铁锂电池作为研究对象,验证该方法估算SOC的准确性。实验结果表明:用EKF法估算SOC,能将误差控制在5%以内,保持较高的精度。 相似文献
7.
荷电状态(SOC)是电动汽车动力电池的核心性能指标。为了进一步提高锂离子电池组单体电池荷电状态预测精度,提出一种基于改进PNGV模型的电池内阻辨识与SOC预测。根据锂离子动力电池的特性分析,建立改进型PNGV模型。利用实验采集的数据和最小二乘算法实现内阻的在线识别。通过该内阻辨识算法,更加准确地反映电池的当前电压。根据预测更加准确的电压,从而提出基于数据融合PHM法预测电池的SOC,该方法基于实验数据和灰色预测模型来估算电池的荷电状态。仿真和实验结果表明,基于内阻辨识的SOC预测更准确,具有较强的工程实用性。 相似文献
8.
动力电池的荷电状态(State of Charge,SOC)是预估电动汽车剩余有效行驶里程的重要参数之一。为提高锂电池SOC 的估算精度,考虑了温度对锂电池特性的影响。通过实验得到温度对电池容量的关系曲线,以及得到OCV-SOC-T 的函数映射关系,基于二阶RC 等效电路模型,利用带遗忘因子递推最小二乘法(Forgetting Factor Recursive Least Square, FFRLS)对模型进行实时在线参数辨识。在不同温度和工况条件下,采用扩展卡尔曼滤波(Extended Kalman filter,EKF)和无迹卡尔曼滤波( Un-scented Kalman filter, UKF)算法对锂电池的SOC 进行估算并对比验证,结果表明,EKF 在动态压力测试工况(DST)和美国联邦城市运行工况(FUDS) 的均方根误差分别在4.93%和4.69%以内,UKF 在DST 和FUDS 工况下的均方根误差分别在1.47%和1.49%以内。研究结果表明,FFRLS联合EKF和UKF都可以实时估算SOC,且在不同温度和不同工况条件下,UKF算法相较于EKF算法,抗干扰能力更强,估算精度更高,收敛性更好。 相似文献
9.
10.
《绵阳师范学院学报》2022,(2):37-44
传统的锂电池充放电系统存在功能单一,硬件采样电路复杂,无法实现实时返控等不足.为了有效监测、保护和预警锂电池的工作状态并且延长锂电池的使用寿命,本文提出了一种基于MSP430锂电池充放电系统,采用BQ76930作为电池模拟前端,对锂电池电压、电流以及温度等参数实时采集,通过返控保护电路对过压、欠压、过流以及短路起保护作用,对每个单节锂电池进行保护、监控和管理.该系统电路简单,实时监测锂电池的工作状态,防止锂电池过充过放,避免电池损坏,提高锂电池的工作性能和使用寿命,还能保证锂电池充放电管理系统的可靠性. 相似文献
11.
12.
为了提高混合动力汽车(HEV)电池荷电状态(SOC)的估计精度,提出了一种基于先进小波神经网络的HEV动力电池SOC估计算法.首先,建立了基于先进小波神经网络的电池SOC估计模型.然后,通过数学推导证明了先进小波神经网络的收敛性.最后,利用大量HEV动力电池在行驶过程中充放电的数据样本,对神经网络进行网络训练.仿真结果表明,所提出的估计算法与传统SOC估计算法相比,提高了电池SOC的估计精度,有效地将估计误差从±8%减小到±1.5%. 相似文献
13.
《浙江大学学报(A卷英文版)》2017,(4)
目的:开路电压是基于模型的电池荷电状态估计的必要参数,其测试耗时大、效率低。本文旨在测试各种电压松弛时间的荷电状态-开路电压关系,研究其对开路电压法和等效电路模型的荷电状态估计准确度的影响,提高开路电压测试效率。创新点:1.通过电路解构方法,将二阶阻容电路分解为简单路,运用二阶段递推最小二乘法辨识电路模型的参数;2.基于递推最小二乘法和卡尔曼滤波算法,建立电路参数辨识和荷电状态估计的的联合自适应算法,研究电池电压松弛时间对基于等效电路模型的荷电状态估计的影响。方法:1.通过电路解构技术和理论推导,构建辨识二阶阻容等效电路参数的二阶段递推最小二乘法辨识方法(图2和公式(4)~(9));2.将二阶段递推最小二乘法和扩展卡尔曼滤波器集成,建立适应工况变化的电池模型参数辨识和状态估计的联合算法(图3);3.通过电池测试,建立多温度和多电压松弛时间的荷电状态与开路电压的关系,驱动自适应联合算法,获得既保证荷电状态估计准确度,又缩短开路电压测试时间的电压松弛时间。结论:1.二阶段递推最小二乘法既能简化矩阵计算,又能够保证电路参数的辨识非负性;2.联合自适应算法能够适应工况变化辨识模型参数和估计荷电状态;3.联合自适应算法的结果表明,5 min的电压松弛时间既能保证荷电状态估计性能,又能极大地提高开路电压测试效率。 相似文献
14.
电动汽车电池荷电状态是指电池在一定放电倍率下,剩余电量与相同条件下额定容量的比值.对于研究电动汽车电池电力优化控制问题,准确地估算电池的荷电状态是一个不可忽视的环节.文中提出了一种基于最小二乘支持向量机的新型电池荷电状态预测模型,利用训练好的模型就实现电池荷电状态的准确预测.实验结果表明,这种方法达到了预测精度提高的效果. 相似文献
15.
如今电动汽车的发展十分迅速,其动力电池荷电状态SOC关系到锂电池及整车系统的安全、可靠运行,因为SOC表明了电池剩余电量。由于SOC是一个不可直接测量的非线性变量,因此设计一种精度高、可行性强的算法具有十分重要的意义。提出一种最优自适应增益非线性观测器（OAGNO）,用差分进化算法（DE）对观测器参数进行寻优。为了验证该方法的先进性,对型号为NCR18650GA的三元锂电池进行工况实验,结果表明,相比无迹卡尔曼滤波（UKF）,最优自适应非线性状态观测器具有更高的精度,误差在3%左右。 相似文献
16.
目前,在航空领域动力锂电池组存在长时间搁置、间歇补充电、使用需大电流放电等缺陷,为满足锂电池的大电流放电工作要求,通过研究锂电池组的放电工作特性,运用航空锂电池组等效模型和输出电压跟踪方法,对实验简化后的电化学模型进行有效模拟,得到了相关设备的工作状态和电流输出时的有效表征,有助于航空安全保障的相关研究. 相似文献
17.
为提高锂电池荷电状态建模预测的精度及泛化能力,提出一种流行正则化框架下的极限学习机建模预测方法。首先,为了解决极限学习机建立预测模型存在过拟合泛化能力弱的问题,以流形假设为依据,在数据输入空间构建图拉普拉斯算子,在其框架内求解极限学习机隐层和输出层之间的权重,达到正则优化目的。其次,针对正则化参数难以选择的问题,提出将差分进化算法融入基于流形正则化框架的极限学习机中以优化其正则化参数。最后,利用采集到的锂电池数据进行了实验验证。结果表明:该方法建立的预测模型预测锂电池SOC精度高,泛化能力强,为锂电池SOC的预测建模提供一种新方法。 相似文献
18.
19.
《黄冈职业技术学院学报》2017,(5):114-117
随着电动车在日常生产生活中的广泛应用,各种技术事故也多有发生。电动车的质量关键在电池,如何提升电池使用寿命,提高电池安全性,从而延长电瓶车使用寿命,提高安全系数越来越受到人们的重视。基于DSP2407的电池保护系统,通过实时检测电池的电压、电流、工作温度等参数,运用卡尔曼滤波算法估算电池的剩余电量,判断电池SOC(荷电状态),当电池工作状态异常时及时报警,从而延长电池使用寿命,确保电池使用安全。 相似文献
20.
樊翠玲 《实验室研究与探索》2018,(1):134-138
为了提高锂电池SOC估算的精度,采用改进粒子滤波算法。首先在Thevenin模型的基础上考虑了电流漂移和温度对SOC估算的影响,并对模型参数求解,同时校正了锂电池SOC估算模型,减少了计算误差,使得SOC估算更加精确;通过UKF算法更新粒子,比对权值大小,只有权值大的粒子才能够进入复制组被重新采样,小的则被抛弃,进入复制组的粒子通过线性函数生成新粒子,如果抛弃组粒子数目大于复制组粒子时,循环使用抛弃组粒子;最后给出了算法流程。试验结果表明,改进算法提高了SOC估算精度,本文模型结果与试验标准结果的误差能够控制在较小的范围内,最大误差为1.846%,明显低于采用卡尔曼滤波和粒子滤波算法的SOC估计误差。 相似文献