采样点卡尔曼滤波算法的调频磷酸铁锂电池SOC估算

针对目前应用于电力系统调峰调频最广泛的磷酸铁锂电池,采用采样点卡尔曼滤波算法对电池荷电状态SOC(StateofCharge)进行估算,再通过Matlab/Simulink平台进行估算模型的搭建,在几种充放电状态下进行了验证,仿真结果表明:利用采样点卡尔曼滤波算法的估算模型,其估算误差在研究的充放电状态下都在1%以内,可为储能电池的安全经济运行管理提供理论估算依据。

基于扩展卡尔曼滤波算法的锂离子电池的SOC估算

为了精确估算锂离子动力电池的电池荷电状态(State Of Charge,SOC),在分析影响SOC估算精度的主要因素以及传统SOC估算方法的优缺点的基础上,提出一种改进的安时积分法,对影响SOC估算的主要因素进行参数修正。该算法采用基于简单电化学模型的组合电池模型,结合扩展的卡尔曼滤波(Extended Karlman Filter,EKF)算法对SOC进行估算。对比结果表明,在SOC的估算过程中能够保持很好的精度。

基于双卡尔曼滤波的锂电池荷电状态的估计

针对电池荷电状态的(SOC)估计误差较大的问题,提出了双卡尔曼滤波算法。介绍了电池常用的等效模型和使用方向,以双RC模型为基础建立了电池系统的空间方程,使用混合脉冲功率特性测试法得到了模型参数值。推导了安时积分法和扩展卡尔曼滤波原理,在基础上提出了双卡尔曼滤波算法,对双卡尔曼滤波的原理和公式实现进行了详细推导。设计了电池组的充放电实验对算法进行验证。结果表明安时积分法估计误差随时间不断增大,扩展卡尔曼算法估计误差振荡很大,双卡尔曼滤波的估计精度较高,最大估计误差只有0.13%。

基于改进卡尔曼滤波算法的光伏电池剩余电量估算

针对光伏系统电池剩余电量(SOC)估算不准确的问题,文中提出了以安时法、开路电压法以及卡尔曼滤波算法相结合的方法来准确估计电池SOC。在光伏系统中,对电池剩余容量的准确估计可以大大延长系统的使用寿命,提高系统的可靠性。以安时法为基础,采用开路电压法估算初始SOC_0,初始SOC_0和实时SOC通过卡尔曼滤波算法进行校正,降低了初始SOC_0的估计误差和电流的累积误差,保证了SOC估计的准确性。实验以12V-100Ah铅酸电池为例来进行说明。结果表明,该算法可以准确估计SOC。

安时积分法和EKF结合的锂电池SOC估计

针对SOC估计方法的算法复杂度和精度之间的矛盾,以及电流累计误差等问题,提出EKF算法和安时积分法适时切换的SOC估计方法。该方法通过分析锂离子电池的一阶戴维南等效模型,使用复合脉冲电池放电试验对模型参数进行辨识,建立基于EFK的SOC估计模型,并设计出算法流程。安时积分法和EFK的SOC估计将根据电池管理系统的不同工况交替进行。验证试验结果表明该方法的SOC估计误差小于1.5%,能够以较少的计算资源达到较高的估计精度,安时积分法产生积累误差在进行EFK估计时得以消除。

改进卡尔曼滤波的PID控制

传统的基于卡尔曼滤波算法的PID控制,在滤除控制过程中和测量过程中的噪声干扰方面效果很好。但系统的收敛速度、超调等方面还存在问题,这主要是PID参数没有达到最优。针对卡尔曼PID的参数优化问题,结合遗传算法优化PID参数,引入增量的分段控制改进控制信号u的组成结构。经过Matlab仿真验证,方法数据量少、参数优化快、系统收敛快、超调小,方法可行。

基于修正安时积分法的磷酸铁锂电池荷电状态估计

鉴于磷酸铁锂电池特性曲线存在电压平台区,以及电压、电流存在测量误差,导致估计其荷电状态十分困难。为了提高磷酸铁锂电池在电压平台区荷电状态估计的准确性,提出了一种基于安时积分法的改进卡尔曼滤波算法。首先,分别采用安时积分法和AUKF算法估计磷酸铁锂电池SOC。其次,计算2种算法估计值的增量,利用2种估计算法的特性,通过对比增量关系以确定最优估计值,对AUKF算法的估计结果进行修正。最后,所提方法的有效性在磷酸铁锂电池多种运行工况下得到了验证。实验结果表明:所提方法在存在电压偏差的情况下,能保持SOC估计误差小于0.02,实现了SOC的准确估计。

基于改进Kalman滤波和安时积分的SOC复合估算

针对当前SOC估算算法中,安时积分法初始值难以估计、库仑系数拟合复杂和卡尔曼滤波法电流变化较快时易出现估值发散的问题,提出了基于闭环反馈的改进卡尔曼滤波算法和基于库仑系数拟合的改进安时积分法相结合的复合估算方法;在闭环卡尔曼滤波稳定状态时,选取此时SOC作为改进安时积分的初始值,后进行改进的安时积分。该方法避免了电流变化时卡尔曼滤波所引起的SOC估值发散问题,通过对12 V阳光A412/50 A电池进行仿真测试,其估值精度达到1.5%。

基于频繁项统计的流-安时积分SOC估计方法

针对传统安时积分法由于无法在线更新库仑效率而导致的难以准确估测电池剩余容量的问题,提出一种基于频繁项统计进行电流分段积分,利用不同库仑效率对分段积分后电量进行修正的流-安时积分法。该方法利用连续充放电循环对库仑效率进行在线修正,基于柯西频繁项统计算法对电流进行分段累积,利用修正后的库仑效率对分段累计电量进行校正,最后实现了电池剩余容量的准确估计。仿真和实验分析表明:基于频繁项统计的安时积分法有效减小了传统安时积分法产生的电量累积误差,提高了剩余容量及SOC的估计精度。

一种基于无线视觉传感器网络的分布式多目标跟踪滤波算法

本文提出基于积分卡尔曼滤波的无线视觉传感器网络的分布式目标跟踪算法,用于从多个监控数码相机中汇总跟踪结果,然后通过中央处理器处理数据,返回到各个数码相机中,从而优化目标跟踪。无线视觉传感器网络是一个重叠视觉领域里的一个多监控摄相机网络,重叠视觉领域里有同样的目标经过,通过交换它们当地的目标位置和速率的估计值,在估计的过程中,每个加入的摄相机通过一致性算法汇总收到的状态。仿真结果表明,多个数码相机对目标预测的真实状态值要比单个数码相机预测值更精确。

用于锂电池管理系统的SOC估算算法研究

锂电池具有供电安全可靠,维护费用低,占地面积小,重量小的优势,常作为数据中心供电的首选方案。精准的电池电荷状态(SOC)估算算法可以极大程度上保障锂电池管理系统的安全性与可靠性。针对传统安时积分法中无法确定电池SOC初始值以及在电流过小的情况下SOC偏差较大的问题,提出一种安时积分法和校准算法相结合的估算算法,目的是提高SOC估算算法的精确性。在不同倍率下进行充放电试验,实验结果表明,改进后的SOC估算算法误差有了明显的下降,该算法具有较强的可靠性。

基于CTI-EKF融合算法高效节能二次电池化成系统设计

针对目前二次电池化成系统化成质量不高、节能效果不理想等缺点,提出了一种基于安时积分(Current Time Integration,CTI)和扩展卡尔曼滤波(Extend Kalman Filtering,EKF)融合算法的高效节能电池化成系统设计方案。系统采用STM32单片机为主控制器,运用改进卡尔曼滤波技术及PID算法,对电池SOC进行精准预测和充放电流电压的精确控制,同时采用高效AC/DC和DC/DC变换技术,有效提高电池化成质量和系统能量回收率。测试结果表明,采用PID算法电流控制误差不超过0.1%,系统相比目前带储能装置电池化成设备,其节能效率可以提高15.6%。

动力电池SOC估计研究方法及梯次利用方法的发展现状

近年来,随着新能源的大力发展,动力电池成为新能源汽车的动力源,其中锂离子具有优秀的性能及较高的容量受到大量车厂的青睐。而动力电池的荷电状态即SOC作为动力电池能量管理系统中的重要组成,对其精确的评估具有重要影响。目前,国内外针对动力电池荷电状态的估计已有大量研究。随着动力电池的发展,动力电池的退役处理成为急需解决的重大问题。针对退役电池的处理主要有梯次利用及回收拆解,针对动力电池荷电状态检测方法及梯次利用方法进行综述,为其深入发展奠定基础。

车载蓄电池管理系统SOC估算算法研究及优化

本文对蓄电池SOC估算常用算法的优缺点进行分析,结合蓄电池管理系统的功能特点,基于地铁项目现有车载BMS系统的SOC估算算法,对BMS系统SOC估算算法进行了改进的应用研究和可行性分析,给出了优化后的算法模型.

动力电池建模理论与管理系统算法——评《动力电池管理系统核心算法》

汽车作为社会发展的支柱产业,不仅给我们的生活带来了便利,而且还带动了全球的文化交流和贸易往来。传统汽车使用最多的是化石燃料,在给环境带来污染的同时也消耗了大量的不可再生资源。全球的能源危机不断加重,在这种形势下,改组汽车动力系统,即生产新能源汽车迫在眉睫。所谓新能源汽车,目前使用最多的就是安装动力电池系统的汽车。这种电动汽车依靠蓄电池放电来带动汽车工作,具有安全环保、节省资源的优点,具有广阔的发展前景。针对此类电动汽车的特点,《动力电池管理系统核心算法》一书做了详细的介绍,可作为相关领域技术人员的学习用书,具有极大的参考价值。

基于Free RTOS的移动机器人控制系统设计

针对传统四轮移动机器人的环境适应性、行走灵活性和功能扩展性较差的问题,设计提出一套基于STM32嵌入式单片机和Free RTOS实时操作系统的四轮移动机器人控制系统。以STM32F405RGT6单片机为底层控制主控芯片,搭载MPU6050传感器获取位姿。使用BQ7692003PWR芯片模块获取磷酸铁锂电池电芯的电压,并运用开路电压法和安时积分法精确计算电池的剩余电量,运用PI(比例积分控制)算法控制四轮速度。软件系统基于Free RTOS实时操作系统开发,可满足软件多任务运行。实验结果表明,该控制系统具有较高的稳定性和可靠性,实现了对四轮移动机器人速度的精准控制和剩余电量的实时监控。

变电站用铅蓄电池的温度估计与散热仿真

铅蓄电池作为变电站的主要备用电源,在正常运行中会释放出可观的热量。热量的累积会带来安全问题,且当前变电站铅蓄电池基本不附加散热系统。为了保障变电站铅蓄电池的安全使用,基于卡尔曼滤波算法和电热耦合模型估计电池温度,并设计了一种基于PID控制风扇转速的电池风冷散热系统,通过ANSYS Fluent对散热系统效果进行仿真分析。首先,利用电热耦合模型获取电池单体温度。然后,在此基础上建立电池组散热模型,与未加风冷散热系统的电池组比较温度场分布情况。基于PID控制风扇转速的风冷散热系统与未散热的电池组相比,电池组平均温度下降了9.18℃,且电池组内最大温差下降到原来的30.3%。基于PID控制风扇转速的风冷散热系统可以显著改善电池运行期间的温度状况,降低了局部热失控的风险。

基于加速度计的滑坡前兆位移监测装置

为对滑坡前期的土体位移进行实时连续监测,减小山体滑坡带来的危害,文中设计一种以单片机为核心,以MEMS加速度计为采集终端的滑坡前兆位移监测装置。首先采用单片机对采集终端采集的加速度数据进行预处理;然后使用时域积分算法将加速度信号转换成位移,通过LoRa无线模块将加速度数据和位移结果传输到PC端,实现实时连续在线监测;最后采用卡尔曼滤波算法(OE-KF)对加速度信号进行预处理,还原出更加真实的滑坡前期的土体运动状态,再使用太阳能供电系统来实现能量供给,维持传感器在野外长期稳定的工作。根据滑坡前的土体运动状态设计模拟实验,实验结果表明,所设计装置能够对地表滑坡前期的土体位移进行较为精确的测量,最大相对误差为2.25%,可为滑坡灾害预警预报系统提供科学有效的依据。

基于树木切割机器人铅酸电池SOC特征值估计

为优化用于修剪靠近输电线路树木枝杈的树木切割机器人的特性,对机器人的铅酸电池展开研究。通过建模铅酸电池,选用电池荷电状态(State of Charge,SOC)作为模型的输出,完成缺失特征数值SOC的计算;根据电压、电流、电池容量以及温度建立神经网络模型,并通过数据拟合得到电池容量与电池剩余电量SOC的关系曲线,构建电池容量与剩余电量关系的模型。通过神经网络拟合验证算法的置信度,并使用卡尔曼滤波验证估计值与测试数据的关系。

基于最小二乘法的磷酸铁锂电池SOC估计

从工程应用角度出发,将磷酸铁锂电池状态分为静置态、工作态和维护态。静置态下采用开路电压法,查询开路电压-荷电状态(OCV-SOC)关系曲线,获取SOC初值;工作态下采用安时(Ah)积分法估计SOC的变化量;给出判断磷酸铁锂电池进入维护态的三个条件,并在维护态下,通过最小二乘算法重新拟合OCV-SOC关系曲线,以纠正环境温度、电流、内阻、循环次数等变化的影响,避免了复杂算法和模型分析,提高了SOC估计精度。通过实验绘制了基于最小二乘算法的OCV-SOC变化曲线以及SOC-T曲线,进行误差和数据分析,给出最小二乘算法的C语言矩阵源码。结果表明,该SOC估计法不受电池单体、数学模型和参数变化的影响,简单易行,判断可靠,可应用在各种锂电池管理系统中。