共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
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
3.
吕丹亚 《绵阳师范学院学报》2023,(5):25-32
由于进行新能源汽车动力锂离子电池SOC估算的过程中产生了滞回电压现象,导致锂离子电池SOC估算结果不准确,估算时间较长,为此提出一种基于卡尔曼滤波的新能源汽车动力锂离子电池SOC估算方法.采用双极化等效电路模型作为基础,加入二极管构建新能源汽车动力锂离子电池模型,消除滞回电压现象造成的理论误差;同时将模型离散化处理,辨识锂离子电池参数;根据参数辨识结果,采用卡尔曼滤波算法估计新能源汽车动力锂离子电池SOC状态.经实验测试结果表明,所提方法的SOC值相对误差基本控制在-0.5%～0.4%左右,所提方法不仅可以有效提升锂离子电池SOC估算结果的准确性,同时还能够有效减少估算时间. 相似文献
4.
《东南大学学报》2020,(2)
为弥补传统电动汽车锂电池SOC估计算法估计误差大的缺陷,考虑电动汽车动力电池复杂的工作条件,将参数在线辨识方法和修正协方差扩展卡尔曼滤波(MVEKF)算法结合,提出了一种锂电池SOC在线估计算法.新算法使用变遗忘因子递归最小二乘法实现模型参数在线辨识,利用修正后的状态估计值重新计算迭代过程中的协方差,并将新的过程增益值用于下一状态估计以减少滤波误差.恒脉冲放电和动态应力测试(DST)等实验表明:在电池复杂的充放电条件下,与EKF算法对比,MVEKF滤波算法估计误差更小,最多可减少5%的误差;在DST条件下的充电过程中,EKF会有较大的偏差且不稳定,而MVEKF算法可稳定地估计SOC,且鲁棒性强,适用于电动汽车电池复杂多变的工作条件. 相似文献
5.
《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
6.
为了提高电动车铅酸蓄电池的电池荷电状态(SOC)预测精度,将粒子优化算法(PSO)引入到支持向量机(SVM)中,建立了PSO-SVM电动车铅酸蓄电池SOC预测模型,模型输入量为电池的电压和电流,输出量为SOC。采用PSO算法对SVM的惩罚因子C和径向基函数宽度σ寻优,降低了SVM参数取值的盲目性,提高了预测精度。设计了铅酸蓄电池数据智能采集系统,并进行了实际运行车辆电池数据采集。在advisor2002软件中获取的电池数据和实际车辆电池运行数据的基础上,进行了模型训练和预测。结果表明,PSO-SVM预测模型相对传统的BP、RBF和SVM预测模型具有更好的精度和推广能力,满足了"SOC估算精度小于5%"的要求,从而表明该模型是有效的、可行的,并具有较好的工程实用价值。 相似文献
7.
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
8.
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
9.
针对车载电池SOC难以精确预测的问题,提出以CPSO算法优化LSSVM模型参数,避免了参数选择的盲目性,提高了测量精度及泛化能力。利用ADVISOR软件采集车载电池各项性能参数,其中,电流、电压及温度数据作为CPSO-LSSVM预测模型的输入,SOC作为预测模型的输出。验证结果表明:CPSOLSSVM相比PSO-LSSVM预测模型预测最大绝对误差降低了3.06%,平均相关误差降低了0.35%,为车载电池SOC的预测提供一新方法。 相似文献
10.
Chang-wen ZHENG Shi-yao ZHOU Zi-qiang CHEN Yun-long GE De-yang HUANG Jian LIU Qi YANG 《浙江大学学报(A卷英文版)》2018,(10)
目的:通过对万米深海环境中的高压和低温环境的模拟,研究深海环境对水下潜行器中动力电池性能所产生的影响以及该影响对电池剩余电量(SoC)估计精度的影响。创新点:1.通过压力桶和恒温箱模拟万米深海高压低温环境;2.通过实验计算环境对电池模型参数的影响;3.利用UPF算法对电池SoC进行估计并根据环境影响情况对开路电压(OCV)和SoC的关系进行补偿。方法:1.建立等效电路模型,建立电池系统状态空间方程(公式(1)～(16));2.通过混合功率脉冲测试(HPPC)对处于模拟深海环境中的电池进行等效电路模型参数辨识(图6);3.通过对OCV-SoC关系进行补偿得到低温高压环境下电池的OCV-SoC关系式(公式(17)和(18));4.利用无迹卡尔曼滤波算法对常温常压环境和低温高压环境中的电池SoC进行估计(图8)。结论:1.FeLiPO4聚合物锂离子电池能够在深海环境中正常使用,但深海环境的高压低温特性会对电池参数本身产生影响;2.由于电池参数受高压低温特性的影响,SoC的估计误差会变大;3.通过对OCV-SoC关系的补偿能够在一定程度上提高电池SoC的估计精度,从而减小由于参数变化带来的估计误差。 相似文献