计及荷电状态的并联储能微电网孤岛运行策略

储能系统(BESS)为含波动性可再生能源(RES)、负荷扰动大的微网孤岛运行实现系统稳定提供了一种有效的方法。这里分析了并联型储能系统(P-BESS)的工作原理,根据电池系统工作特性并结合传统下垂控制,提出了基于电池荷电状态(SOC)的负荷分配功率外环控制策略,同时,考虑到下垂控制存在固有静态误差、中低压电网线路阻抗不完全为纯感性等因素,提出了含线性补偿环的电压幅值-频率内环控制策略。仿真和实验结果表明,在不同带载情况下,该系统不仅能维持系统电压幅值和频率稳定、且能有效地分配负荷功率,进而提高电池均衡管理能力。

基于开路电压法的电池荷电状态估计误差校正

本文提出分别研究电池开路电压在充电结束后停置过程和放电结束后停置过程的不同变化规律,并考虑了不同停置时间在两个过程中的作用和影响,从而达到提高开路电压法估算荷电状态精度的效果。实验验证表明,此方法的精度比传统开路电压法更加准确。

基于开路电压法的电池荷电状态估算修正

电池荷电状态(SOC)的精准估算对于新能源车辆的使用非常重要,多种SOC算法中以开路电压法(OCV)最为常用且有效。该文通过研究不同使用工况下电池SOC与OCV的之间的关系及电池静置过程中电池端电压的变化,提出了电池应用过程中SOC的修正策略,给动力电池应用提供理论与数据支撑。

AGM电池荷电状态与开路电压关系研究

通过对车用AGM电池在不同环境温度下荷电状态(SOC)与开路电压(OCV)的关系研究,发现AGM电池在其规定的工作温度范围内,其SOC与OCV有着良好的线性关系,为开发基于开路电压和电池温度的电池管理策略提供了理论依据。

磷酸铁锂电池开路电压曲线特性分析

为揭示磷酸铁锂电池开路电压曲线特性,以静置法获取磷酸铁锂/石墨电池荷电状态(SOC)与开路电压(OCV)关系曲线,研究了活性材料、电池类型、SOC调节方向及静置时间、电池容量衰减、负极掺硅及预锂化对SOC-OCV曲线的影响,并采用扣式和软包电池分析了正极和负极对SOC-OCV曲线的影响以及60%SOC附近电压阶跃的原因。结果表明:磷酸铁锂和石墨活性材料种类变更,存储和充放电循环,造成电池容量降低,负极嵌锂量减少,电位上升,SOC-OCV曲线向右移动。负极掺硅后,电位上升,SOC-OCV曲线向右移动。方型电池与软包电池的SOC-OCV曲线一致,不受电池类型影响。受电压迟滞效应影响,放电SOC-OCV曲线低于充电SOC-OCV曲线,但随着静置时间的增加,放电SOC-OCV曲线上升,充电SOC-OCV曲线降低,两者趋向重合。负极预锂化使负极电位降低,SOC-OCV曲线向左移动。全电池SOC-OCV曲线主要由负极决定,60%SOC附近OCV阶跃主要受石墨发生2L到2阶相变的影响。研究结果提高了对磷酸铁锂电池OCV曲线的认识,可为动力电池开发提供科学参考。

一种基于预测开路电压的SOC估算方法

估算锂离子动力电池荷电状态(SOC)是电池管理的一个难点,通过对电池放电曲线及恢复曲线分析,拟合出电池开路电压的计算公式,解决了动态情况下预测电池开路电压的问题,使开路电压估算SOC在电动车上使用成为可能。本文采用建立电池模型的方法,通过实验所得数据对模型进行曲线拟合,得到最优参数,并通过另外几组数据进行验证。实验结果表明,采用本方法预测精度为0.02%。

基于扩展卡尔曼滤波的锂离子电池荷电状态估计

针对电池荷电状态(SOC)难以准确估计的问题,采用扩展卡尔曼滤波方法来提高SOC的估计精度。首先以磷酸铁锂电池为研究对象,建立了电池的PNGV等效电路模型,并采用充放电实验和离线辨识的方法得到模型中的参数,得到了开路电压、欧姆内阻、极化内阻和极化电容与SOC的多项式函数关系;然后,对模型进行验证,并分析了模型的准确性;最后,在实际工况下,运用扩展卡尔曼滤波方法估计锂离子电池的SOC值,并与安时法计算的SOC值进行比较。结果表明,PNGV模型结合扩展卡尔曼滤波方法估计的锂离子电池SOC值的最大误差仅为2.78%,提高了电池SOC的估计精度。

全钒液流电池荷电状态的分析与监测

液流电池是一种新型的电化学储能系统,正负极全使用钒盐溶液的称为全钒液流电池,简称钒电池.其荷电状态100%时电池的开路电压可达1.5 V.用充放电实验研究全钒液流电池的性能时,有必要确定在充放电过程中电池的荷电状态.钒电池中各种价态离子含量的测定方法有电位滴定和分光光度法,确定正负极溶液中各价态离子含量就可知电池荷电状态.本实验提出用开路电压监测荷电状态的方法.在正负极反应达热力学平衡时电池的开路电压等于电池电动势,利用Nernst方程可求得电池的荷电状态,而且这种测量方法简单,不会造成电池的容量损失,具有实用价值.由紫外-可见光谱证实电解液中的V(Ⅴ)主要以单体形式存在.

辅助混合动力电动汽车技术研究(Ⅶ)——混合动力电动汽车电池荷电状态估计

为了对混合动力电动汽车用电池组荷电状态进行精确估计,减少电量累积方法前期试验的工作量和运行中的误差累积,研究和应用了卡尔曼滤波法．在电池等效电路模型的基础上,建立了电池组系统的状态方程和测量方程,根据汽车运行时对电池电流和电压的实时检测数据,通过滤波算法估计模型中的开路电压,并由此计算电池组的荷电状态．实验表明,卡尔曼滤波在电动汽车电池组荷电状态估计方面具有应用潜力．

基于开路电压法与卡尔曼滤波法相结合的锂离子电池SOC估算

鉴于卡尔曼滤波法中电池荷电状态(state of charge,SOC)的初始值一般根据开路电压法确定,传统开路电压法是通过测量电池开路电压,由电池开路电压与电池荷电状态之间的关系曲线得到电池SOC,耗时较长.本文在此基础上提出一种新的办法,通过对电池放电曲线及恢复曲线分析,结合电池等效模型,拟合出开路电压的计算公式.用放电停止后的某时刻电压估计电池的开路电压.不但解决了SOC估算中开路电压法用时长的问题,而且提高了开路电压值的准确性,进而提高了SOC估算精度.再以戴维宁模型为基础,通过电池测试平台辨识电池模型参数,并验证其可靠性,采用扩展卡尔曼滤波算法实现了对电池荷电状态的估算,状态参数SOC估算初始值由改进后的开路电压法估算出的SOC值确定.结果表明该方法解决了初始值的偏差导致的估算初期误差较大问题,提高了整体的估算精度.

基于双向DC-DC变换器的串联电池组主动均衡电路

针对单体电池串联成组使用时出现不一致性的问题,提出了一种基于双向DC-DC变换器的串联电池组主动均衡电路。使用双向DC-DC变换器将单体电池中的高能量输送到能量低的单体电池中,无需额外的存储组件来存储和传送能量,减少了能量损失,提高了均衡效率。根据电池开路电压(open circuit voltage,OCV)与荷电状态(state of charge,SOC)之间近似分段线性的关系,采用以电压和SOC双变量作为均衡策略,通过相互实时修正电压均衡和SOC均衡,使得电池组间能量动态趋于一致。最后通过搭建由4节单体电池组成的均衡电路实验平台,对提出的均衡电路和均衡控制策略进行有效性验证。

储能锂离子电池荷电状态估算方法

锂离子电池因其能量密度大、转换效率高以及反应快速等特点,已逐渐在大型储能系统中得到应用。为有效获知锂离子电池的荷电状态(SOC),在传统方法基础上,将开路电压法和安时积分法相结合,研究某单体容量为20 A·h锂电池的充放电特性,提出了一类兼具离线和在线修正能力的高精度SOC估算算法,为储能系统中的电池管理策略提供支持。

基于恒流实验的锂离子电池开路电压与内阻估计方法

开路电压(OCV)与内阻(R)是采用等效电路模型表述锂离子电池外特性时的重要参数,被用于分析电池功率特性、一致性、老化等问题。两者是电池荷电状态(SOC)、电流I和电池温度Tbat的非线性函数,难以详细、快速、准确、同时地估计。提出一种基于电池实验和数据处理的OCV与R估计方法。设计了一组多环境温度下的恒电流实验以得到详细的数据,并使用大电流以减少实验时间;基于电池机理设计了一套实验数据处理方法,解决了电池工作中SOC与Tbat同时变化且耦合的问题并考虑了电池的非线性特性,从而准确、同时地估计出OCV{SOC,Tbat}和R{SOC,I,Tbat}曲线。与现有方法相比,该方法实验时间短、估计精度高、估计结果信息丰富,从而更适用于容量增量分析等电池老化研究。实验验证了该方法的有效性。

铅酸电池开路电压的测量及其与累积放电量的关系

铅酸电池开路电压与累积放电量的关系是铅酸电池模型的基础,对电池内电化学反应、传质过程等研究有重要意义。用恒流放电法测得了30次放电过程中电压和累积放电量的数据;提出了一种基于实验数据拟合外推获得开路电压的方法,由此获得的开路电压比传统方法更合理;基于电极反应速率和电解质浓度的平方成正比的假设,推导了开路电压-累积放电量的分段线性关系模型,并用遗传算法对模型参数进行了关联,结果与实验数据吻合良好。

动力电池荷电状态优化方法研究

动力电池荷电状态(SOC)能够反映电池的剩余电量,为驾驶员提供续驶里程信息,是电池均衡控制和能量管理的基础。为提高荷电状态的估计精度,以锂离子动力电池为研究对象,建立Thevenin等效电路模型,以扩展卡尔曼滤波(EKF)算法为基础,结合开路电压法和安时积分法,提出了一种改进型扩展卡尔曼滤波算法,并与安时积分法、扩展卡尔曼滤波法做了实验对比。实验结果表明,改进EKF算法估算精度高,收敛速度快,在动态工况下SOC估计误差降低至4%,能够更好地满足工程应用的实际要求。

风-光储能系统锂离子电池SOC校准优化方法

使用安时积分法估算电池荷电状态(SOC)在工业上已有广泛应用,但对于风光互补发电系统来说,使用开路电压(OCV)校准安时积分法的累积误差不切实际,因为OCV法需要电池静置数小时。针对此问题,提出一种新的校准方法,该方法与OCV法类似,但校准条件只需要电池电流恒定或小范围波动维持4 min,更适用于校准风-光储能系统中使用安时积分法存在的误差累积问题。使用4串6并的软包钴酸锂电池进行试验测试,在3.9、3.6、3.2 V三个不同电压平台中,所提出的策略与实际OCV误差均小于10 mV,换算成SOC均小于1%,证明了本文所提出策略的可行性。

钛酸锂电池荷电状态的试验研究

随着可再生能源发电技术的发展,作为微电网的能量缓冲环节,储能系统的作用越来越重要。单体电池的不一致性已成为制约电池组应用发展的一个非常关键的问题。在电池管理系统中,荷电状态(SOC)作为衡量电池工作状态的重要指标之一,应能够精准和方便地获得。在定义绝对荷电状态(SOCa)的基础上,对MV18650NTPCA型单体钛酸锂电池进行充放电试验,应用最小二乘法,快速、方便地测定SOC与开路电压(OCV)之间的关系,对SOC的精确估计有较大的借鉴意义和实用价值。

影响锂离子电池荷电状态估算精度的因素分析

为了考察引起荷电状态(SOC)估算误差各因素的不同作用,以3块磷酸铁锂电池组成的电池组为对象进行混合脉冲功率特性(HPPC)实验,二阶Thevenin电池模型为基础构建状态方程,利用无迹Kalman滤波(UKF)算法估算SOC,分析模型参数及输入电流、端电压、开路电压(OCV)误差对SOC估算的影响。结果表明:当在OCV、端电压及输入电流中各加入1%的噪声,或在电池的参数(欧姆内阻,极化电阻,极化电容)固定时,SOC估计的误差分别为19.1%、20.6%和小于3%;可见OCV和端电压对SOC估算精度影响较大,提高端电压的测量精度和OCV曲线拟合的准确性,可大幅减小锂电池SOC的估算误差。

不同荷电状态下三元锂离子电池针刺热失控试验研究

基于锂离子电池实际存储与应用的普遍性和危险性,利用自主设计并搭建的试验平台,分别对不同荷电状态(SOC)的锂离子电池进行了针刺热失控试验。利用直径5mm的钨钢针触发圆柱形21700三元锂离子电池热失控,记录其试验现象,测定锂离子电池的温度、开路电压与质量等参数。结果表明:锂离子电池SOC越高,针刺时发生热失控的现象越剧烈,且当锂离子电池SOC高于60%时,电池各测温点的最高温度都在电池正极处,电池外表面的温度峰值均高于电池内部的温度峰值;随针刺的锂离子电池SOC增大,电池各测温点温度峰值升高,电池正极处到达峰值所需时间变短;不同荷电状态的锂离子电池在进行针刺试验后,两端开路电压掉落的时间点不同,电池SOC越高,开路电压掉落的时间越快,在发生针刺后三元锂离子电池安全阀能保护电池不发生明显热失控现象的最大SOC在60%左右;SOC越高的锂离子电池在发生热失控过程中电池损坏越严重,其质量损失率越大。

基于安时积分法与开路电压法估测电池SOC

锂电池具有多方面优越的性能,因此被广泛用于电动汽车领域。为了提高锂电池的安全性和使用寿命,需要准确地估算出电池的荷电状态这一重要参数。为了解决安时积分法不能确定电池SOC初始值和开路电压法需要电池长时间静置的问题,提出使用安时积分法与开路电压法相结合的方法估计电池SOC值。通过相关充放电实验确定开路电压与电池SOC的对应关系、电池达到充分静置所需时间与电池SOC的关系,以此精确估计电池SOC的初始值,再基于安时积分法实时快速地估计电池SOC值。