锂电池动态系统Thevenin模型研究

建立高精度的电池模型对于电动汽车动力锂电池的应用研究有重大意义。锂电池在使用过程中,其系统参数会跟随外界环境及荷电状态变化而改变,选用固定参数的电池模型会导致模型精度差。提出一种动态系统Thevenin模型。结合影响锂电池特性的荷电状态和环境温度因素,将经典Thevenin模型中的欧姆内阻、极化内阻、极化电容等固定参数,在动态系统Thevenin模型中描述为随荷电状态与温度动态变化的变量。最后选取单体锂电池为实验对象,采用HPPC实验辨识模型参数,对经典模型与动态系统模型分别进行仿真分析,结果表明,动态系统Thevenin模型能更准确描述锂电池性能。

基于改进Thevenin模型锂电池SOC估算方法

针对纯电动汽车锂离子电池荷电状态(SOC)在环境温度和放电电流变化较大的情况下估算精度较低的问题,采用了一种基于改进Thevenin模型的扩展卡尔曼滤波算法(EKF)。根据电池性能模型,把电池容量作为状态变量,把影响SOC估算精度的环境温度和放电电流作为修正量,采用扩展卡尔曼滤波算法提高SOC估算精度。实验结果表明,该方法提高了SOC估算精度,可用于电动汽车电池管理系统。

基于戴维宁定理的MMC子模块等效数学模型的研究

模块化多电平换流器(Modular Multilevel Converter,MMC)的每个子模块都包含两个电力电子开关元件IGBT。随着系统模块数的增加,仿真的速度大大降低,如何在有限的资源中实现MMC的实时仿真成为了仿真系统的瓶颈。根据IGBT在MMC中的工作原理,把IGBT等效为两个不同状态的等效电阻,然后根据戴维宁等效定理建立MMC子模块的等效数学模型。最后在Matlab/Simulink环境下进行该数学模型的仿真,并与采用器件模型的仿真结果进行了对比。仿真结果表明该数学模型在一定的误差范围内可以取代MMC子模块的物理模型,具有一定的实用性。

基于改进型Thevenin模型的锂电池SOC估算研究

为实现锂离子电池SOC的准确估算,对传统的Thevenin等效电路模型进行了改进:构建考虑容量变化的二阶Thevenin模型;探究电池实际容量的变化情况,并利用其在模型中进行容量修正;改进HPPC实验对电路模型进行参数辨识,获取相关参数的变化情况;将获取的参数应用于仿真中,将等效电路模型与扩展型卡尔曼滤波结合起来,将仿真与实际测试结果进行比较。研究结果表明:温度和放电倍率对电池实际可用容量影响较大;等效电路模型的参数值也和环境温度密切相关;细化参数的辨识条件后的模型与卡尔曼滤波结合,可以将SOC的估计精度控制在2%以内。

磷酸铁锂锂离子电池Thevenin等效模型的改进

为解决实际应用中精度和复杂度的矛盾,在原始Thevenin电池等效模型的基础上,通过增加RC网络的方式,得到精度和仿真时长均能满足要求的改进Thevenin等效电路模型;通过锂离子电池充放电实验,得到复合脉冲实验数据,运用最小二乘拟合法对电池模型参数进行辨别;建立基于Simscape模型库的改进型Thevenin电池仿真模型,并进行仿真。通过将原Thevenin模型仿真电压、改进模型仿真电压与实验实测电压进行对比,改进模型和原模型的平均误差分别为0.02 V、0.06 V。

基于优化的Thevenin模型的镍氢电池仿真

针对镍氢动力电池开路电压的动态滞回特性,在Thevenin仿真模型的基础上对开路电压的选取进行优化,仿真模型主要优化开路电压与历史充放电方向的关系。对镍氢电池进行混合脉冲功率特性测试(HPPC),用递推最小二乘法对模型参数进行系统辨识,用Simulink搭建电池Thevenin经典模型及优化模型,用变电流对模型进行仿真分析。仿真结果表明:优化模型输出平均电压误差10 mV,对于电动汽车的实际工况而言,优化模型更能体现电池特性。

基于Thevenin模型的氢镍电池仿真

根据氢镍动力电池的特性,选择一种能反映其内部特性的Thevenin模型。基于此模型,进行氢镍电池复合脉冲实验,用最小二乘递推算法辨识模型参数。然后使用Matlab/Simulink进行仿真,仿真结果表明Thevenin模型可用于氢镍电池仿真,能模拟电池的充放电特性。

基于Thevenin模型和改进扩展卡尔曼的特种机器人锂离子电池SOC估算方法

特种机器人由于其复杂的工作环境,要求使用精度高、追踪能力强的荷电状态(state of charge,SOC)估算方法对特种机器人锂离子电池进行实时状态监测及安全控制。SOC是电池管理系统中最重要的参数之一。由于特种机器人工作环境具有强烈的非线性特征,考虑到常用的安时积分法十分依赖初期SOC准确性且在估算后期会积累误差。因此,针对特种机器人的工作特性,以三元锂离子电池为研究对象,在Thevenin等效电路模型及多种工况实验的基础上,利用一种改进扩展卡尔曼滤波(improved extended Kalman filter,IEKF)算法在10、25以及35℃下对锂离子电池进行SOC估算。在MATLAB/Simulink中搭建仿真模型并结合多种工况数据进行性能分析。实验结果表明,利用IEKF算法估算三元锂离子电池的SOC值有较好的追踪与收敛效果,且收敛时间在80 s以内。在不同温度下,IEKF算法收敛后HPPC工况和BBDST工况的最大估算误差分别低于2.235%及3.004%,小于扩展卡尔曼滤波(extended Kalman filter,EKF)算法对应最大估算误差(9.067%和4.654%)。本研究验证了IEKF算法在估算锂离子电池SOC时具有较高的精度,为有效解决特种机器人锂离子电池SOC值无法精准估算的问题提供了实验依据。

基于二阶Thevenin模型的锂电池建模仿真

介绍了几种典型的电池模型,选取二阶Thevenin模型作为研究对象.对锂电池进行了性能试验,通过HPPC试验对电池模型参数进行辨识.借助Matlab中cftool工具箱对试验数据进行多项式拟合.在Matlab/Simulink中搭建仿真模型并进行仿真试验,通过对仿真和试验结果的对比分析,验证了锂电池模型参数辨识的有效性.分析了仿真误差增大的原因,提出了进一步提高电池模型参数精确度的方法.结果表明:该模型可以准确地描述不同工况下的锂电池外特性,随着电池SOC的降低,仿真误差有所增大,当SOC<0.2时,仿真误差增大较明显.

基于Thevenin模型和UKF的锂电池SOC估算方法研究

为解决在多种工况下锂电池实时估算困难、估算精度不高等问题,以三元锂电池为研究对象,建立Thevenin模型,对电池的工作特性进行表征。综合多种工况对锂电池工作特性进行研究分析,避免了依据电池内部复杂结构建立等效模型的困难。考虑到估算初期荷电状态(SOC)准确性对于后期估算的重要性,首先用开路电压法标定初值,然后运用无迹卡尔曼滤波(UKF)算法进行估算跟踪。UKF算法基于无迹变换,没有忽略高阶项,对于非线性分布具有较高的计算精度。在Matlab/Simulink中搭建仿真模型并结合多种工况数据进行分析。试验结果表明,Thevenin模型能够较好地对锂电池SOC进行估算,收敛速度快、跟踪效果好且能将估算误差控制在0.8%以内,验证了UKF在对锂电池进行SOC估算时具有较高的精度。

基于Thevenin模型和自适应卡尔曼的SOC估算研究

精确的荷电状态(SOC)值在电池的应用开发中具有重要的意义。选择合适的滤波算法是精确估算的前提。由于扩展卡尔曼滤波(EKF)中噪声的给定值与实际工况下噪声的统计特性不符,导致估算精度低。为提高S0C估算精度,构建能准确反映锂电池工作特性的Thevenin电路模型。在此基础上,构建状态方程和观测方程,提出自适应卡尔曼滤波(AKF)算法。利用混合动力脉冲能力特性(HPPC)试验对模型参数进行辨识,通过MATLAB/Simulink建模仿真,分析锂电池分别在恒流放电和动态工况下S0C估算的精度。试验表明,Thevenin模型能够良好地表征锂电池的工作特性且能较好地进行S0C估算,参数辨识、恒流放电工况、动态工况下的最大误差分别控制在0.4%、0.2%、0.1%以内,验证了AKF应用于锂电池S0C估算的优越性。

基于Thevenin模型的蓄电池内阻监测装置的现场校验方法研究

蓄电池组在线监测系统在发电厂和变电站广泛应用,但其监测性能在交接验收和后期运行中缺乏行之有效的现场校准评价手段,导致运行中监测的有效性如何评价成为一个亟需解决的问题。文章基于Thevenin模型和GB/T 19638.1(IEC 60896-22 MOD)中的蓄电池内阻测量方法,提出了"标定电池+校验装置比对"的蓄电池组在线监测系统现场校验方法。通过该方法测得的标定电池内阻值与现场测量内阻值比率值E_(n)<0.191,符合ISO/IEC 17025标准要求。结果表明,该方法可对蓄电池组内阻值进行现场测试,实现对蓄电池组在线监测系统的在线校验,提高厂站用蓄电池组的运维管理水平。

关于锂离子电池Thevenin模型的仿真研究

针对动力电池组运行时,内部的系统参数会随着环境因素和荷电状态(state-of-charge,SOC)发生动态改变,提出一种参数变化的Thevenin等效电路模型;从荷电状态是影响锂电池各参数特性的主要因素出发,将传统Thevenin模型中模拟各模块使用的不变参数用随着SOC变化的动态变量来表示;HPPC获取模型参数,电池仿真端电压基本上跟实际端电压波形吻合,且趋势大致相同;实验结果表明:在正常工作状态下,建立的模型可以有效地反应电池内部的工作特性,有着良好的精度。

基于Thevenin模型的混合动力镍氢电池参数辨识

针对混合动力镍氢电池,研究了它的原理和特性,并选用Thevenin模型建立该电池的动态数学模型。结合该电池的电动势特性和温度特性,分析了充放电方向、温度等因素对模型参数的影响。基于HPPC实验,考虑充电和放电两个方向,采用最小二乘法对Thevenin模型进行参数辨识,并在MATLAB/Simulink中建立相应的仿真模型。仿真和台架试验结果对比表明,对于该混合动力镍氢电池,最小二乘法辨识Thevenin模型参数是合理的,并且该模型的最大误差率是1.21%,能够很好地模拟出该电池的动静态特性。

关于锂电池Thevenin模型的仿真研究

锂电池的使用过程中,其内部参数会随着工作状况的变化而变化,针对锂电池中发生的极化效应提出了一种Thevenin锂电池模型,利用改进的HPPC对锂电池进行参数识别后,通过matlab/simulink搭建锂离子等效电路仿真模型,最后以钛酸锂电池为实验对象,将实验端电压与仿真端电压进行对比,实验表明所建立的Thevenin模型有着良好的精度。

基于二阶Thevenin模型的卡尔曼滤波SOC估计

基于二阶Thevenin等效电路搭建电池模型,在此基础上通过卡尔曼滤波算法搭建锂电池SOC估计模型,并在Simulink环境中对锂电池模型和SOC估计模型进行仿真与验证。通过UDDS工况下锂电池工作电流、电压及SOC来验证SOC估计模型的准确性,并对误差进行了分析,结果表明SOC估计模型的误差小于0.04。

基于Thevenin改进模型SOC估算的研究

电池是电动汽车的核心部分,其荷电状态(SOC)的准确估计是比较困难的,所选择的电池等效模型对SOC估算精度影响极大。因此准确估计SOC需要建立合适的等效电池模型。文章首先针对传统的Thevenie模型进行改进为二阶的RC,建模并推导出数学模型,然后通过最小二乘法理论推导的方法对参数进行辨识。最后基于扩展的卡尔曼滤波算法(EKF)对动力电池的电量进行估计,在Matlab上进行仿真,验证了扩展的EKF对SOC估算的准确性。

基于Thevenin模型的无人机电池续航能力的估算方法

针对无人机电池的动态特性,提出了一种基于电池等效电路的Thevenin模型,根据混合脉冲功率特性测试(HPPC),在不同荷电状态下,对无人机电池内部的欧姆电阻、极化电阻、极化电容参数进行识别。通过对无人机电池进行放电测试,使用matlab建立无人机电池荷电状态(SOC)的拟合模型,无人机电池的剩余续航时间的预测模型。结果表明,基于Thevenin等效电路建立的评估模型,能使无人机续航能力的预测误差在10%范围内。

基于Thevenin模型的锂离子电池温度特性研究

建立电动汽车动力电池模型及参数辨识是电动汽车动力电池进行充、放电优化控制的基础,针对锂离子电池的性能受温度影响较为明显这一问题,选择对不同温度下的锂离子电池进行建模及参数辨识。研究采用在MATLAB/Simulink中建立戴维南(Thevenin)等效电路模型,对不同温度下的Thevenin模型进行仿真,根据不同温度下的电池充放电实验结果,分析比较该模型的精确度及应用可行性。实验结果表明,该模型在低温条件下的估算精度较差,随着温度升高,模型的估算精度有所提高。

二阶Thevenin锂电池等效模型参数离线辨识

目前二阶Thevenin等效模型能很好描述电动汽车锂电池非线性特性,但是作为非线性回归模型,该模型存在无法线性化的参数,给参数辨识带来了困难。针对二阶Thevenin锂电池模型参数辨识问题,提出了一种基于梯度下降算法的离线辨识方法。依据脉冲充放电实验所采集的有限量测数据,采用梯度下降算法并构造目标函数,通过递归性地逼近阈值得到辨识结果。仿真结果与实验数据的误差在2%以内,表明该辨识方案的准确有效。该方法为锂电池二阶等效模型的参数辨识提供了一种可行的方法。