一种基于ISBO算法的锂离子电池等效电路模型辨识方法研究

锂离子电池等效电路模型的参数辨识方法对模型精度有较大的影响。针对缎蓝园丁鸟优化SBO(satin bowerbird optimization)算法收敛精度低和收敛速度慢的问题,提出一种改进的缎蓝园丁鸟优化ISBO(improved satin bowerbird optimization)算法。采用惯性权重、柯西变异、高斯变异和贪婪选择策略来提高ISBO算法的收敛精度,并利用标准测试函数对其收敛性能进行验证。结合电池充放电数据,将提出的ISBO算法用于锂离子电池等效电路模型的参数辨识。实验结果表明,与SBO和自适应权重粒子群优化算法相比,ISBO算法参数辨识精度较高且辨识精度不受电池工况的影响。

基于HPPC-FFRLS的锂电池等效模型参数在线辨识

目的为了实现锂离子动力电池的高精度状态监测与分析,方法针对锂离子动力电池二阶RC等效电路模型的参数在线辨识展开研究。搭建锂离子动力电池二阶RC等效电路模型;利用开路电压法与安-时积分算法相结合的方式进行电池荷电状态(SOC)评估;通过HPPC测试实验数据进行等效电路模型的离线参数辨识;以离线辨识结果作为系统状态初值,结合带遗忘因子的递推最小二乘算法(FFRLS)对锂离子动力电池二阶RC等效电路模型参数进行在线辨识;利用Simulink搭建电池状态监测和充放电控制仿真系统,对基于在线辨识参数的模型进行仿真测试;利用可编程电源和电子负载搭建实验平台。结果对比在线辨识参数的系统仿真输出、离线辨识参数的系统仿真输出和实验数据,结果表明:基于HPPC-FFRLS在线辨识的模型仿真输出的误差相对于HPPC实验法减小了50%;在线辨识策略克服了环境温度、电池老化、充放电倍率等因素对参数的影响;仿真初期系统波动明显减小,等效模型系统动态跟踪具有更高的精度,鲁棒性更好。结论基于HPPC-FFRLS的锂电池等效模型在线辨识保证了模型参数的有效性,简化运算量的同时提高了模型精度。

基于电极等效电路模型的锂离子电池无析锂快充策略优化研究

析锂是制约石墨阳极型锂离子电池快充安全与效率的关键问题。为了保障车载电池充电安全、缓解新能源汽车里程焦虑,有必要针对锂离子电池开展无析锂快充研究。鉴于此,该文基于锂离子电池电极等效电路模型,提出一种由阳极电势观测器和充电电流控制器组成的双闭环无析锂快充策略调控方案,实现了锂离子电池的无析锂安全快充。实验结果表明,不同工况下的阳极电势平均观测误差均低于5 mV,最大误差不超过10 mV;在电流调节过程中,阳极电势到达并稳定在设定阈值+1 mV范围内的调节时间为26 s,稳态误差小于0.05 mV,并且无超调和振荡。此外,与1C恒流恒压策略相比,该策略能节省46%的充电时间,充电过程中阳极电势最低为4.8 mV,且将锂离子电池拆解后也未发现析锂,证明该策略能明显缩短充电时间并有效抑制析锂。

锂离子电池的等效时变内阻模型及应用

针对锂(离子)电池在恒流、恒压和/或恒功率等工况下,Thevenin等效电路模型无法在线辨识其模型参数,进而无法描述锂电池特性的问题,提出了一种新的等效时变内阻模型。分析表明,通过将锂电池的开路电压和内阻,描述成未知的时变电压和内阻,并利用安时积分和随机漫步模型,分别表示其未知时变电压和内阻的进化,就可为锂电池建立一种以状态空间进行描述的等效时变内阻模型。分析也表明,因电池充放电而产生的暂态极化电压,可由电池端电流与时变内阻的乘积,以及电池端电压观测噪声分布的组合进行描述。本文模型相比传统模型,在恒流恒压以及恒功率的工况下,SoC估计的均方根误差平均降低了48%。公开充放电测试数据集和实验的SoC估计,均验证了本文模型及分析结果的正确性和有效性。

基于等效电路模型的云端动力电池寿命估计

由于目前动力电池管理系统(battery management system,BMS)存在存储小、算力低等问题,仅依靠BMS估计出的容量误差会随电池荷电状态(state of charge,SOC)累计误差增大而逐渐增大。为实现动力电池寿命准确估计,提出了基于等效电路模型(equivalent circuit model,ECM)的动力电池容量估计方法。模型基于开路电压(open circuit voltage,OCV)和SOC的关系,直接建立1阶RC模型和容量联系;通过粒子群优化算法(particle swarm optimization,PSO)寻优最小仿真端电压与实际端电压的均方根误差(root-mean-square error,RMSE),此时辨识结果为初步估计容量,结合多项式回归(polynomial curve fitting,PCF)控制卡尔曼滤波(kalman filter,KF)对辨识结果进行了优化。最后对云端实车与传统方法测得的容量进行对比验证,二者的RMSE小于3%且最大绝对误差小于2 Ah。与现有方法相比,该方法能够不单依赖BMS数据准确估计容量。同时,对于实车等复杂场景的应用做出了优化,可以实现实车场景下的容量精确估计。

基于等效电路与数据驱动模型的锂离子动力电池SOC估计技术

该文以二阶等效电路模型作为电池工作特性描述模型,分别利用无迹卡尔曼滤波算法、基于Sage-Husa自适应滤波思想的SR-AUKF算法估算锂电池的SOC值,对不同初始值条件下、不同噪声方差下2种算法的SOC估计及绝对误差曲线进行对比分析。而后在数据驱动模型下,在单独利用门控循环单元神经网络算法估算SOC后,再将之与无迹卡尔曼滤波算法组合应用,对不同工况及温度条件下2种算法的SOC估计结果及绝对误差进行比对,得到等效电路模型、数据驱动模型下锂离子动力电池SOC估计的最佳算法。

等效电路模型法预测动态工况下微型直接甲醇燃料电池剩余使用寿命

微型直接甲醇燃料电池(μDMFC)具有能量密度高、可便携使用、快速补能以及环境友好等优点.然而,由于膜电极在电化学反应中会退化,μDMFC的有效使用寿命有限,所以需要对其健康状态与剩余使用寿命进行评估,为燃料电池改性和控制策略提供决策支持.在结合数据驱动和机理模型预测方法的基础上,针对动态运行工况,提出一种基于等效电路模型(ECM)的μDMFC剩余使用寿命预测方法.在燃料电池的性能退化指标中,电池输出电压可以被实时监测从而获得电池的退化趋势,但这一指标无法单独提供精确的预测结果.通过测量电化学阻抗谱并结合ECM可以得到电池内部阻抗等深层信息,但这些深层信息不易被实时监测,通常只能低频离线测量.此外,燃料电池在实际应用中多处于变工况状态,其退化趋势和使用寿命受工作环境影响,传统基于电压退化趋势回归的预测方法无法应对工况的动态变化.因此,可通过定期离线获取内部退化参量建立预测模型.实验结果表明:与传统数据驱动的方法相比,基于内部退化参量的预测方法能更好地适应变工况环境,在燃料电池剩余使用寿命预测中具有更好的性能.

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。

基于等效电路模型的电池荷电状态估计方法综述

锂离子电池具有能量密度高、充放电效率高等特点,因而成为了新能源汽车的主流选择。电池荷电状态(SOC)作为电池管理系统参与决策的必要信息,其估计精度对提高电池使用寿命和利用效率具有重要的意义。针对锂离子电池的强非线性、时变性,国内外学者提出了众多研究方法。首先,总结了当前业界广泛使用的锂离子电池等效模型并分析了各模型的优缺点;然后,对当前广泛使用的SOC估计方法进行了梳理;最后,对未来SOC估计方法的研究方向进行了总结与展望。

结合Thevenin和PNGV模型的电池等效电路建模改进

为了对电池管理系统(BMS)中极为重要的一个参数——电池荷电状态(SOC)进行准确估算,选择更加精确并适合锂电池的等效电路模型,对比和分析了Thevenin模型和改进型PNGV模型在模拟锂电池的动静态工作特征方面的精度和具体误差产生原因,并提出了进一步改进的方向和建议。首先,对锂电池进行混合脉冲功率特性(HPPC)试验,得到等间隔SOC下的试验数据;然后,采用精度较高的双指数拟合法对所获数据进行参数辨识;最后,在Matlab/Simulink环境下建模并仿真验证。验证结果表明,在温度环境相同的情况下,Thevenin模型的端电压仿真值与试验值的最大误差不超过0.165 V,模型精度达96%;改进型PNGV模型的最大误差不超过0.055 V,模型精度达98%。该试验可为锂电池内部状态变量的准确估算提供理论依据,为其他电池模型的优化改进提供参考。

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。

电动汽车锂电池PNGV等效电路模型与SOC估算方法

基于PNGV(the Partnership for a New Generation of Vehicles)电池等效模型,考虑了温度对模型参数的影响,提出了一种以电池等效模型的开路电压插值估算电池荷电状态(SOC)的方法。通过锂离子电池的充放电试验与HPPC试验,识别模型参数,然后使用Matlab/Simulink进行仿真计算。仿真和实验表明,所选取的PNGV模型精度高,能真实的模拟电池充放电特性,再结合开路电压插值计算电池SOC,可有效解决安时法(AH)估算SOC存在的累计误差和初始值估算不准确的问题,最终使SOC估算值控制在高精度范围内。

电流输入电动汽车电池等效电路模型的比较

基于电动汽车系统仿真的研究需要,提出两个非线性等效电路电池模型:GNL模型和CR模型。为了评价 两个模型的性能,以320单体串联的80 Ah镍氢电池组为研究对象,基于同一组复合脉冲试验数据,应用多元线 性回归方法同时辨识Rint模型、Thevenin模型、PNGV模型、GNL模型和CR模型的参数,进而建立各等效电路 模型基于MATLAB／Simulink的电流输入仿真模型,使用26．67 A恒流放电和FUDS工况试验数据来验证模型精 度。模型计算结果与试验数据的误差表明,电流输入等效电路模型中,PNGV模型和GNL模型更适用于电动汽 车仿真,GNL模型具有更好的精度。

电动汽车电池功率输入等效电路模型的比较研究

为了选取合适的等效电路电池模型应用于电动汽车系统仿真,提出GNL模型,并与R int、Theven in、PNGV、RC模型进行性能比较。以320单体串联的80A.h镍氢电池组为研究对象,基于同一组复合脉冲试验数据,辨识各模型的参数,进而建立各模型基于Matlab/Simulink的功率输入仿真模型。使用20 kW恒功率放电和FUDS工况试验数据验证,并比较各模型性能。仿真与试验的比较表明,功率输入等效电路电池模型的电压误差为主要误差,电流误差为次要误差,5种模型中PNGV和GNL模型更适用于电动汽车仿真,而GNL模型具有更好的精度。

电动汽车电池非线性等效电路模型的研究

服务于电动汽车系统仿真,提出一种非线性等效电路电池模型,模型考虑SOC、温度对电池特性的非线性影响。设计了系统的模型参数辨识实验及数据处理方法,使用S imu link建立了以电流为输入和以功率为输入的镍氢电池组模型。通过1 372 s的FUDS实验验证,两个模型最大电压误差分别为电池组额定电压的1.02%和1.39%,精度满足电动汽车系统仿真要求。

动力锂离子电池分布参数等效电路模型研究

以叠片动力锰酸锂电池为研究对象,提出了电池分布参数等效电路模型的建立方法,并通过电池的外特性辨识出了模型的参数。使用分布参数等效电路模型对电池恒流充、放电以及DST工况下的电压响应进行了仿真,从仿真和实际电压响应对比中可以看出分布参数等效电路模型能准确地模拟电池的特性。同时运用分布参数等效电路模型求解得到了电池工作时极片上的电位和电流分布情况,通过对电池极片电势的分析得到了电池内部不一致性和电池工作电流以及开路电压随SOC变化率之间的对应关系。分布参数等效电路模型的建立为从电池外特性分析电池内部情况提供了有效的方法。

基于等效电路的内阻自适应锂离子电池模型

根据目前动力蓄电池模型研究的现状,分析了各种电池模型的优缺点,提出了一种非线性的等效电路电池模型,并通过卡尔曼滤波算法,在线辨识电池内阻,得到内阻自适应电池模型.通过两种实验,分别在不同电流循环工况和环境温度下测试模型的适应性,结果表明,该模型可以较好地反映电池的动态特性,并能适应电流、荷电状态、温度等变化对电池的影响.

动力锂电池RC等效模型辨识方法

针对动力锂电池模型难以准确估算的非线性特性,推导并建立RC电池等效模型方程,通过大量充放电实验数据,应用最小二乘法辨识出模型参数,仿真结果验证了RC等效模型的准确性。

带可变参数锂离子电池Thevenin模型

高效的储能蓄电池对风储能系统非常关键,建立合理的电池模型对于研究电池的性能十分有意义。电池新一代汽车合作计划(PNGV)模型精确度高但是计算量大,Thevenin模型计算量小但精确度低。以18Ah的锂离子电池为研究对象,提出了一个改进的Thevenin等效电路模型,对模型中各参数值的确定方法作了修改。将模型中的参数设置为随着电池荷电状态(SOC)变化的量,采用恒流脉冲实验来确定改进后的模型参数,利用电力系统仿真软件(PSCAD)软件分别对常规和改进的Thevenin模型进行仿真。比较结果显示,相对于常规模型,改进模型具有计算量小、结果准确的特点,可为电池储能系统的仿真提供参考。

基于仿真对比的电池等效电路模型分析

磷酸铁锂电池(LiFePO_4)凭借其较高的比功率、较高的比能量和使用寿命长等优点,逐渐成为电动汽车领域应用电池的研究热点。准确的电池荷电状态(State-of-Charge,简称SOC)估计离不开合理的等效模型,模型的精度与复杂程度直接影响电池SOC估计。文章首先分析四种等效电路模型参数,基于电池测试系统对LiFePO_4进行混合脉冲功率性能测试(The Hybrid Pulse Power Characterization,简称HPPC),应用最小二乘法进行模型参数辨识,根据辨识结果对比模型精度与复杂程度;然后将电池在整个SOC周期内对三个带有RC网络结构的模型精度进行对比;最后对LiFePO_4电池进行联邦城市运行工况(The Federal Urban Driving Schedule,简称FUDS)测试,对比双极化等效电路模型在不同温度下模型精度。实验结果显示双极化等效电路模型为具有良好精度的等效电路模型,同时带有低温特性。