基于双向交错并联变换器的电池模拟器研究

动力锂离子电池测试既要考虑安全性、便捷性,也要考虑测试时间和硬件成本等因素。在保证测试精度前提下,将非线性电池模型与电力电子开关器件相结合,基于三阶RC等效电路模型,采用交错并联Buck-boost变换器作为电池模拟器的主电路拓扑,实现对真实动力电池的替代测试。首先分析了电池等效电路模型及其参数辨识原理。其次研究了电池模拟器工作原理和双向交错并联Buck-boost变换器控制策略,并设计了控制器参数。最后搭建了电池模拟器试验平台,试验结果表明该电池模拟器可以较高精度地实现对电池伏安外特性的模拟,可以满足对动力锂离子电池的测试需求。

一种退役锂电池健康状态估计方法

针对退役锂电池健康状态估计效率较低的现状,提出一种快速、有效的估计方法。首先采用3阶RC等效电路模型描述电池特性得出状态方程,确保电池模型精确性,同时引入电池荷电状态SOC(State of charge)和欧姆内阻(R 0)作为状态方程参数。其次利用区域概念,计算出特定的区域容量与区域电压,减少电池参数估计所需要的数据、时间。然后通过扩展卡尔曼滤波(Extended kalman filtering)算法估计电池参数SOC和R 0,进而对电池健康状态(State of health,SOH)进行估计。最后,利用电池测试设备(Arbin-BT2000)对18650电池进行充放电实验,验证该方法的可行性。实验结果证明SOH估计所需参数明显减少,使得电池数据测量所需时间明显缩短,并且估计误差不超过4%,误差较小,说明所提出方法能快速、有效地估算出电池SOH。

提升低温下电池SOC估算精度的算法

针对低温环境下电池荷电状态(SOC)估算精度不高的问题,提出一种相应的电池SOC估算方法。在充分考虑模型适配与算法融合的前提下,在低温下对锂离子电池进行充放电测试,采用三阶RC等效电路模型进行参数辨识。利用自适应扩展卡尔曼滤波(AEKF)估算模型进行仿真分析,提升SOC估算精度,并与扩展卡尔曼滤波(EKF)算法进行对比。该算法在-20~0℃的低温区间,SOC平均估算误差在0.73%左右,相比于EKF降低了约5.6%。