电动汽车用锂离子电池SOC估算方法综述

综述了锂离子电池荷电状态(state of charge,SOC)估算方法的研究进展。作为电动汽车电池管理中的重要指标,SOC表征了电池在当前循环中剩余的电量。准确的SOC估算可有效地避免电池工作于过低电量等不良工况,保证电池始终运行在安全的状态中,从而有效提高电池使用的效率和延长使用寿命。介绍并比较了几种常用的SOC估算方法:安时积分法最为简单,但由于其是开环估算系统,无法对估计误差进行修正;开路电压法可以根据开路电压与SOC之间的对应关系实现查表式估算,然而由于需要长时间静置来获取稳定的电压值,不适用于在线估算;卡尔曼滤波族方法是前两种方法的结合,可依靠系统观测值的误差对状态估计值进行及时修正,搭配适合的电池模型可获得较高的估算精度且适用于在线估算;数据驱动的方法则需要长期性的历史数据进行数据库的建立。本文总结了每种SOC估算方法的优缺点以及改进的方案。基于以上分析,结合SOC估算算法在工程实际中应用的局限与面对的挑战,对锂离子电池SOC在线估算的发展做出了展望。

空间电源数字孪生系统

数字孪生系统是一种详细描述现实系统的数字化模拟系统,基于虚拟空间中的模型理解、预测、优化和控制现实系统,与现实系统具有实时性、同步进化性和交互性。为满足未来空间飞行器智能化、高机动性、多目标任务的特点,需要提升空间电源系统智能化监测管理能力。本文分析了空间电源数字孪生系统的构成要素,从数字孪生模型构建、新型传感技术以及数据驱动原理出发,构建数字孪生系统。依据天上-地面-数字空间各1套电源系统的原则,实现对空间电源荷电状态、电源健康状态等性能进行精准状态诊断和预测并优化控制策略,在保证飞行器任务实现的前提下提高电源系统的可靠性。

电池管理系统算法综述

锂离子电池由于其高能量密度和使用寿命长等优点成为储能的首选,锂离子电池系统的安全运行、状态估算、剩余寿命预测都由电池管理系统(BMS)管理,故BMS对电池系统的使用和稳定至关重要。主要关注以动力电池为代表的电池系统,综述了数据驱动方法的各种算法在BMS系统的应用。概述了BMS电模型的电化学模型、等效电路模型、数据驱动模型的特点,热建模的电模型、热模型、热-电耦合、热-电化学耦合模型的应用范畴。介绍了卡尔曼滤波、神经网络、向量机在SOC估计的应用,粒子群算法、HI-DD-AdaBoost.RT(不等式漂移检测自适应增强学习/阈值回归算法)、卡尔曼滤波在SOH估计的应用剩余寿命预测方面,介绍了经验预测、滤波预测、时间序列预测法。

锂离子电容器的热特性及热模型

锂离子电容器具有寿命长、兼顾功率密度和能量密度等优点,充分了解其热特性对其广泛应用意义重大。在多种充放电倍率下进行了锂离子电容器的温升测试,并基于MATLAB和COMSOL Multiphysics 5.4软件进行了其热模型建立及研究。结果表明,随着充放电倍率的增大,锂离子电容器的发热量增加;基于MATLAB建立的集总参数热模型可以实现平均绝对误差不超过0.2℃的温升模拟;基于COMSOL构建的热模型中,随着放电倍率增加,温度分布差异增大,而将极耳布置方式改为对角布置可减小温度分布差异,使温度分布更加均匀,更有利于其性能发挥。