锂离子电池力学特性参数可作为电池循环充放电导致的内部结构变化、损伤与性能衰退的评估依据,然而现有检测方法难以无损获取实际工况下的电池力学特性参数。超声波形特征能够反演电池内部结构的微小变化,与电池力学特性参数变化密切相...锂离子电池力学特性参数可作为电池循环充放电导致的内部结构变化、损伤与性能衰退的评估依据,然而现有检测方法难以无损获取实际工况下的电池力学特性参数。超声波形特征能够反演电池内部结构的微小变化,与电池力学特性参数变化密切相关,可准确表征电池力学特性参数。该文提出一种基于锂离子电池声学均一化模型与粒子群优化算法的电池力学特性参数估计方法。基于均匀化理论对电池多层结构进行简化,建立电池声学均一化模型。搭建电池超声检测平台,获取超声实验数据,为力学特性参数估计提供数据支撑。基于粒子群优化算法联合声学均一化模型进行仿真优化,利用仿真波形逼近实验波形,不断迭代优化模型,反推出此时电池整体有效杨氏模量与整体有效密度等力学特性参数。最后,通过高斯过程回归算法建立融合力学特征的锂离子电池荷电状态(state of charge,SOC)估计模型,对比融合不同特征对SOC估计精度的影响。实验结果表明,融合力学特征可以有效提高SOC估计精度。在动态工况下,SOC估计值的均方根误差为1.92%,平均绝对误差在1.68%,验证了利用力学特性参数进行SOC估计的可靠性与准确性。展开更多
面向电动汽车一类宽温度,大幅值、宽频率随机电流应用场景,提出一种基于全新电热耦合模型的锂电池多状态在线联合估计方法。该模型由自回归等效电路模型与单态集总热模型耦合而成,以提高模型电气动态跟随性能。电热耦合模型参数采取“...面向电动汽车一类宽温度,大幅值、宽频率随机电流应用场景,提出一种基于全新电热耦合模型的锂电池多状态在线联合估计方法。该模型由自回归等效电路模型与单态集总热模型耦合而成,以提高模型电气动态跟随性能。电热耦合模型参数采取“先验信息初始化-在线修正”的方式确定,以避免电池一致性问题带来的误差,从而实现电热耦合关系在宽温度内的连续准确表达。基于所提出的ARST(autoregression-single state thermal model)耦合模型,该文采用双滤波算法实现锂电池多状态的在线联合估计,弥补目前电池3种及以上状态联合估计的稀缺问题。最后,在[0,50]℃,基于两个动态工况,将所提出的算法与两类基于模型的多状态联合估计算法进行比较。结果表明:ARST模型具有更好的电气跟随性能;所提出的模型参数在线辨识算法能够有效提高模型精度,从而提高多状态联合估计精度;在宽温度应用中,相较仅基于电模型的多状态联合估计算法,兼顾热状态估计的多状态联合估计算法能够有效提高电池状态的估计精度。展开更多
精确的电池模型是动力电池荷电状态(State of Charge,SOC)估计的基础,提高模型精度可从电池内部特性出发。提出二阶阻容可变参数等效电路模型,能够反映电池内部双极化效应,同时用可变的参数描述电池内部动态变化过程。通过对锂离子电池...精确的电池模型是动力电池荷电状态(State of Charge,SOC)估计的基础,提高模型精度可从电池内部特性出发。提出二阶阻容可变参数等效电路模型,能够反映电池内部双极化效应,同时用可变的参数描述电池内部动态变化过程。通过对锂离子电池充放电实验和HPPC测试,结合MATLAB拟合工具,辨识出不同SOC下各参数的值,基于SIMULINK搭建仿真模型。对比仿真结果,所建立模型的端电压平均误差为12.36mV,相比于固定参数传统模型的31.50mV,精度提高了60.76%,更能准确描述锂离子电池内部的静动态特性。展开更多
伴随着新能源产业的飞速发展,锂离子动力电池作为一种高效的储能方式,已成为电动汽车的重要组成部分。在电池管理系统的功能中,电池的高精度建模至关重要。在实际应用中,电池不是一个线性系统,其输入和输出由于外部扰动等原因表现出非...伴随着新能源产业的飞速发展,锂离子动力电池作为一种高效的储能方式,已成为电动汽车的重要组成部分。在电池管理系统的功能中,电池的高精度建模至关重要。在实际应用中,电池不是一个线性系统,其输入和输出由于外部扰动等原因表现出非线性特征,从而直接影响参数识别效果,进而影响模型精度。鉴于此,本文对锂离子动力电池进行了Hammerstein-ARMAX(Autoregressive MovingAverage with Extra Input)模型构建,并对模型参数的估计方法进行研究,旨在提高模型的准确性。实验结果表明了该方法的有效性。展开更多
文摘锂离子电池力学特性参数可作为电池循环充放电导致的内部结构变化、损伤与性能衰退的评估依据,然而现有检测方法难以无损获取实际工况下的电池力学特性参数。超声波形特征能够反演电池内部结构的微小变化,与电池力学特性参数变化密切相关,可准确表征电池力学特性参数。该文提出一种基于锂离子电池声学均一化模型与粒子群优化算法的电池力学特性参数估计方法。基于均匀化理论对电池多层结构进行简化,建立电池声学均一化模型。搭建电池超声检测平台,获取超声实验数据,为力学特性参数估计提供数据支撑。基于粒子群优化算法联合声学均一化模型进行仿真优化,利用仿真波形逼近实验波形,不断迭代优化模型,反推出此时电池整体有效杨氏模量与整体有效密度等力学特性参数。最后,通过高斯过程回归算法建立融合力学特征的锂离子电池荷电状态(state of charge,SOC)估计模型,对比融合不同特征对SOC估计精度的影响。实验结果表明,融合力学特征可以有效提高SOC估计精度。在动态工况下,SOC估计值的均方根误差为1.92%,平均绝对误差在1.68%,验证了利用力学特性参数进行SOC估计的可靠性与准确性。
文摘面向电动汽车一类宽温度,大幅值、宽频率随机电流应用场景,提出一种基于全新电热耦合模型的锂电池多状态在线联合估计方法。该模型由自回归等效电路模型与单态集总热模型耦合而成,以提高模型电气动态跟随性能。电热耦合模型参数采取“先验信息初始化-在线修正”的方式确定,以避免电池一致性问题带来的误差,从而实现电热耦合关系在宽温度内的连续准确表达。基于所提出的ARST(autoregression-single state thermal model)耦合模型,该文采用双滤波算法实现锂电池多状态的在线联合估计,弥补目前电池3种及以上状态联合估计的稀缺问题。最后,在[0,50]℃,基于两个动态工况,将所提出的算法与两类基于模型的多状态联合估计算法进行比较。结果表明:ARST模型具有更好的电气跟随性能;所提出的模型参数在线辨识算法能够有效提高模型精度,从而提高多状态联合估计精度;在宽温度应用中,相较仅基于电模型的多状态联合估计算法,兼顾热状态估计的多状态联合估计算法能够有效提高电池状态的估计精度。
文摘精确的电池模型是动力电池荷电状态(State of Charge,SOC)估计的基础,提高模型精度可从电池内部特性出发。提出二阶阻容可变参数等效电路模型,能够反映电池内部双极化效应,同时用可变的参数描述电池内部动态变化过程。通过对锂离子电池充放电实验和HPPC测试,结合MATLAB拟合工具,辨识出不同SOC下各参数的值,基于SIMULINK搭建仿真模型。对比仿真结果,所建立模型的端电压平均误差为12.36mV,相比于固定参数传统模型的31.50mV,精度提高了60.76%,更能准确描述锂离子电池内部的静动态特性。
文摘伴随着新能源产业的飞速发展,锂离子动力电池作为一种高效的储能方式,已成为电动汽车的重要组成部分。在电池管理系统的功能中,电池的高精度建模至关重要。在实际应用中,电池不是一个线性系统,其输入和输出由于外部扰动等原因表现出非线性特征,从而直接影响参数识别效果,进而影响模型精度。鉴于此,本文对锂离子动力电池进行了Hammerstein-ARMAX(Autoregressive MovingAverage with Extra Input)模型构建,并对模型参数的估计方法进行研究,旨在提高模型的准确性。实验结果表明了该方法的有效性。
