基于双指数拟合的电池PNGV模型改进方法研究

为了准确估算动力锂离子电池的荷电状态(SOC),创新性地将双指数拟合的方法运用到参数辨识中,并设计了一种新型验证模型。首先,对新一代汽车协商会(PNGV)等效电路模型进行改进,利用改进PNGV模型来模拟电池的动静态工作特性;然后,利用混合动力脉冲能力特性(HPPC)试验数据对电池在改进PNGV模型下的动态参数进行辨识,并取SOC值为0.4时的状态,对参数辨识过程中单指数拟合与双指数拟合的误差作对比分析;最后,在Matlab/Simulink环境下,建立了一种新型的锂离子电池仿真模型,并利用该仿真模型对参数辨识的结果进行仿真分析与验证。验证结果表明,在温度固定和SOC已知的情况下,改进型PNGV模型的端电压仿真值与试验值最大误差不超过0.9%,模型精度较高。该试验可为锂离子电池内部状态变量的准确估算提供理论依据。

基于电路等效的磷酸铁锂材料电池建模研究

为了完整地了解磷酸铁锂电池的内部结构及工作特性,需要进行等效建模对其进行精确的参数辨识。以容量10Ah的磷酸铁锂电池为研究对象,选取PNGV模型进行特性分析,并用最小二乘法进行参数辨识。通过磷酸铁锂电池的充放电实验,表征出电池的充放电特性;通过OCV与SOC的标定实验,拟合出OCV与SOC之间的函数关系;通过HPPC实验研究,利用公式对模型各个参数进行计算,再通过最小二乘法拟合得到各参数的非线性规律。通过实验估算出PNGV模型中电容Cb的变化趋势,在客观上体现出电池对电量变化的敏感程度。以上几种实验结果表明,模型仿真与实测结果之间的误差平均值约为3.062 mV,最大误差为37 mV,基本反映出磷酸铁锂电池的工作特性,为动力电池的SOC估算及磷酸铁锂电池应用领域的仿真研究提供了理论基础。

融合GM(1,1)先验估计的扩展卡尔曼SOC估算

锂电池荷电状态(State of Charge,SOC)估算是电池管理系统(Battery Management System,BMS)的关键,准确估算SOC对合理使用动力电池、推动电动汽车的发展有重要意义。为避免安时积分法对SOC估算造成随时间累积的误差,以及在驱动参数设置不科学的情况下,扩展卡尔曼启动阶段性能差等问题,提出融合GM(1,1)先验估计的扩展卡尔曼SOC估算策略。在初始阶段使用安时积分来估算SOC值作为GM(1,1)模型的原始数据序列,以GM(1,1)模型替代EKF算法中的先验估算,保证状态估算的优良启动性能以及加快收敛速度,结合实时观测值对先验状态进行修正,随着迭代次数增加,后验估算值逐步淘汰GM(1,1)模型原始数据序列中的值,使得估算值主要依赖于实施监测实时检测的修正。实验结果表明,该方法有效提高了SOC估算精度,其估计精度在2%内,为电池管理系统的搭建与锂电池组的均衡提供了判断依据。

无人机锂电池剩余电量估算方法

为准确估算无人机三元动力锂电池的剩余电量,创新性地构建二阶戴维南等效电路模型,模拟电池充放电过程中的电压变化情况,运用混合脉冲功率性能测试实验对模型参数进行辨识,分析参数变化规律并建立精确的模型状态空间表达式。运用电池测试设备模拟锂电池的充放电,以真实放电电流数据为输入,在Simulink中经过仿真得到的电压波形与实际电压数据进行对比分析,能很好地跟随电压变化曲线。同时在二阶戴维南模型基础上运用扩展卡尔曼算法估算剩余电量,初始误差在20%的情况下能快速修正荷电状态值,控制估算误差在2%以内。

等效建模与SR-UKF算法的SOC估算研究

荷电状态(SOC)用于表征动力锂电池剩余电量。选用Thevenin等效模型作为模拟电池工作状态的等效电路模型,结合试验测量相关参数,运用电路以及多种数理知识,对构建的锂电池等效电路模型进行参数辨识,并通过曲线拟合等方法对辨识结果进行优化处理。在脉冲特性能力测试(HPPC)中对模型精度进行验证,模型表征误差稳定在1.1%以内。采用平方根无迹卡尔曼算法用状态变量的误差协方差的平方根代替状态变量的误差协方差,直接将协方差的平方根值进行传递。利用平方根无迹卡尔曼算法对荷电状态进行估计,对比无迹卡尔曼算法与平方根无迹卡尔曼算法的SOC估计效果。在25℃的条件下对三元锂电池进行动态应力测试工况(DST)试验,平方根无迹卡尔曼算法和无迹卡尔曼算法锂电池SOC估计的最大误差分别为0.55%与1.5%。试验结果表明,平方根无迹卡尔曼算法的跟踪效果较优,具有更高的SOC估计精度和稳定性。