基于剩余充电电量的锂离子电池模组内短路在线定量诊断算法

通过对锂离子电池内短路的在线诊断可以有效预防热失控的发生.本文利用锂离子电池模组的充电曲线提出一种基于剩余充电电量的内短路在线定量诊断算法,并对该算法在不同的电压采集精度与采样周期、温度变化、老化程度等条件下进行仿真与实验验证.结果表明所提出的算法在一定条件下能准确定量地诊断出内短路电阻:(1)对于10Ω级别的严重内短路,即使在10 mV的采集精度、10 s的采样周期、变温度条件下也能得到很高的诊断精度.对于100Ω级别的早期内短路,所诊断的内短路阻值比实际值偏小,诊断时间变长.为了提高早期内短路诊断的精度与时效性,电压采集精度与采样频率应该分别在1 mV与1 Hz以上;(2)电池老化会降低内短路的诊断精度,但是对于10Ω级别的内短路影响很小.极端温度变化同样会影响内短路定量诊断精度,极端高温下的诊断误差比极端低温下的诊断误差要大,在极限低温(–20℃)下的内短路内阻的诊断误差在6%以内.研究结论为提高锂离子内短路的定量诊断精度具有重要意义.

地铁车辆车载蓄电池剩余电量建模与仿真研究

针对客户对地铁车辆蓄电池电量监测的需求,根据蓄电池特性建立剩余电量估算模型,引入蓄电池剩余可用时间参数对剩余电量进一步说明。根据估算模型原理,设计了相应的算法流程用于实现城轨列车蓄电池剩余电量的估算。最后,建立了Matlab/Simulink仿真模型进行仿真分析与验证。仿真结果显示,蓄电池剩余电量与剩余可用时间随着仿真条件的变化而变化,蓄电池剩余电量监测方案可帮助车辆运用人员对蓄电池进行维护与维修。

基于SOC单片机C8051F022的蓄电池剩余电量的测量

介绍蓄电电池剩余电量的内阻在线测测方法,利用SOC单片机C8051F022实现蓄电池的在线检测。

接触网/电池混合电动车辆锂离子电池剩余电量(SOC)的估算方法

对接触网/电池混合电动车用车载锂离子电池的剩余电量(SOC)估算方法进行了论述。该方法能稳定估算SOC,并可自动调整电池容量和电池内阻等参数。采用运行试验的结果对这种估算方法进行了评定。

不同温度下锂电池剩余电量估算的仿真研究

为提高动力锂电池在使用过程中剩余电量的估算精度,以满足电池管理系统对电池监控的要求,提出一种适用于不同温度的动力锂电池SOC估计方法。首先通过分析对比从控制算法模型中选择了2阶等效电路模型,并依据多温度点实验结果进行电池参数拟合,建立基于温度的电池参数模型。接着根据改进的扩展卡尔曼滤波算法,建立SOC估算模型。最后按照DST和FUDS循环进行快速控制原型仿真,验证该算法对不同温度的鲁棒性。结果表明,所制定的SOC估计算法,既能抑制电流噪声的干扰,又能在初始SOC值有较大误差的情况下,使估算值迅速收敛于真实值,在整个估算过程中误差保持在0.04以内。

基于BP神经网络预测静置电池的剩余电量

提出基于MATLAB神经网络工具箱预测静置电池剩余电量的方法。建立了以电池端电压和新旧程度为输入变量的BP网络,用实验数据对网络进行训练及检验。用该网络预测某型MH/Ni电池在静置状态下的剩余电量,误差小于3%。

干电池剩余电量检测研究

为使用户能够了解电池的剩余电量,研究了电池恒流放电规律,设计了剩余电量与总电量百分比测量电路和单片机测量电池剩余电量的测量电路。研究表明,不同的恒流放电电池的剩余电量与总电量比和剩余电压与总电压差之比的关系曲线相同,而且不同型号的电池也相同。通过测量电池的电压值即可获得电池剩余电量与总电量的百分比。而且属于非破坏性实验,测量方法简单。

一种蓄电池剩余电量估算新方法

文章提出了一种蓄电池剩余电量估算新方法,该方法充分考虑了蓄电池健康状况和环境温度因素,包括基于蓄电池内阻变化及电压回升率变化的健康因子、安时积分项等组成。实验表明,该方法解决了由于电池老化、环境温度等因素所造成的安时积分法剩余电量估计的偏差问题。

基于模糊神经网络预测技术检测蓄电池剩余电量研究

采用基于模糊神经元网络预测技术并应用TI公司的DSPTMS32 0F2 4 0辅以相应的传感器检测蓄电池剩余电量。该方法技术先进 ,实验结果表明测试精度高 ,为蓄电池剩余电量的检测提供了有效的途径。

基于GA-BP神经网络的电池剩余电量的预测

研究动力电池剩余电量问题,电池剩余电量的准确预测一直以来都是一个难点。由于剩余电量与电流、内阻和温度有关,电池内部复杂的电化学反应导致了电池电压不能线性反映电池的剩余电量,传统的方法往往会有较大的误差。BP神经网络的特点是可以逼近任意的非线性函数,而BP神经网络并非完美的神经网络,采用用遗传算法优化BP神经网络可以克服其缺点,更好的预测电池的剩余电量。实验结果证明,所用的GA-BP神经网络方法具有反应快,误差小的特点,达到了预先设计的目的。

铅酸蓄电池剩余电量和健康状况估计方法

为了解决铅酸蓄电池的剩余电量存在计算不准确、电池的健康状况评价不准确的问题,以提高铅酸蓄电池剩余电量的检测精确性和合理估算电池的健康状况,通过曲面拟合的方法获得电池放电电量与电压和电流的关系,计算温度对电池电量的影响,将不同温度条件转换成标准温度条件,计算电池的剩余电量;通过获得电池放电情况与电池循环次数的关系,用剩余循环次数的分数来表征电池的健康状况。结果表明,通过曲面拟合方式得到的关系式的误差较小,能够实现铅酸蓄电池剩余电量和电池健康状况的合理估计。

矿用救生舱蓄电池剩余电量测试系统设计

基于DSP技术对救生舱蓄电池剩余电量测试系统进行了设计,该测试系统分别采集了电池电压、电流和温度信号,并经信号处理后传送至DSP28335,进行了电池剩余电量的估算,继而将相关信息传送至上位机,最终实现了救生舱蓄电池剩余电量的实时在线测量和管理。

一种无人机锂电池剩余电量估计方法

为了准确得到多旋翼无人机锂聚合物电池在不同的工作状态下的剩余电量,以电流模拟积分法为电量统计基础,将电池温度、充放电电流等因素对锂聚合物电池电量的影响等效为电池内阻的变化,利用卡尔曼滤波估计法对锂聚合物电池的剩余电量进行估计。实验发现这种方法可自适应电池老化引起的电量衰减,并能有效地补偿充放电过程电流积分误差的累积,通过选择合理的参数可得到不同工作状态下电池较为真实的剩余电量。从而为全自主控制多旋翼无人机系统提供可靠的剩余电量参考。

基于最小二乘支持向量机的电池剩余电量预测

提出了一种最小二乘支持向量机的电池剩余电量预测新模型。以电池端电压和新旧程度为输入,电池的剩余电量为输出,通过电池充放电实验获得数据样本。以实验数据为基础,建立最小二乘支持向量机模型,利用训练好模型预测电池在静置状态下的剩余电量。该方法具有建模速度快、预测精度高、操作简便等优点。不仅克服了常规的BP预测模型的不足,而且性能优于标准支持向量机预测模型。

AVR单片机在蓄电池剩余电量测试仪中的应用

利用新一代AVR单片机（AT90S8515）实现蓄电池剩余电量在线测量。该方法通过实时测量蓄电池内阻，推算出其剩余电量。最后给出了实验结果。

应用单片机测试蓄电池剩余电量

介绍利用单片机在线测量蓄电池剩余电量的方法.该方法通过测量蓄电池内阻,推算出其剩余电量.

电动汽车蓄电池剩余电量计量技术的研究

为了精确地了解电动汽车蓄电池的剩余电量，本文在用蓄电池电化学及目前一些剩余电量计量方法进行分析的基础上，提出了一种基于蓄电池电动势和内阻组合确定剩余电量的新方法．同时，由于蓄电池电动势和内阻与剩余电量之间的非线性关系，本文将使用神经网络技术来实现对剩余电量的预测，并取得了很好的效果．

蓄电池剩余电量测量与分析系统

设计一种基于内阻法监测蓄电池剩余电量的系统,首先通过单片机驱动内部AD模块来采样蓄电池上的开路电压和短路电流,然后计算得出蓄电池的剩余电量,并将结果显示在液晶显示器上。将电池的各种参数存入单片机内部的EEPROM存储器中,使用单片机内部的FLASH来模拟EEPROM可以最大限度地节省硬件成本。

电池剩余电量指示的单芯片解决方案

本文首先介绍了手持设备中基于电池电压和库仑计的电池剩余电量预测方式,然后对Maxim新推出的单芯片锂电池电量计DS2780的硬件结构和工作原理进行了分析。

电动汽车动力电池剩余电量估算研究

SOC是电池内剩余电荷的可用状态,能够准确估算出电池电池剩余电量是进行动力电池均衡控制的基础,是电动汽车电池管理系统中的关键技术,电池SOC的估计受很多外界因素的影响,因此很难非常精确的估算出电池SOC。本文对动力电池模型,SOC估算方法进行了研究,分析了各种估算方法的原理、优缺点及目前实际应用的情况等。