考虑电池运行状态的改进安时积分法

准确估计电池的荷电状态(SOC)是保障电池储能系统(BESS)安全稳定运行的前提。针对传统安时(Ah)积分法忽略充放电状态,导致SOC估计精度降低的问题,基于充放电状态对电池效率和最大可用容量的影响实验,得到不同充放电倍率下SOC与电池效率的关系、充放电倍率与电池最大可用容量的关系,提出考虑电池运行状态变化的改进Ah积分法,以提升SOC估计精度。在不同运行工况下,进行电池SOC估计对比发现,在不同环境温度下,所提Ah积分法的估计误差均最小,25℃时的最大误差仅为0.346%,比优化Ah积分法和传统Ah积分法分别提升0.142和0.527个百分点。

基于SOH及离线数据分段矫正的锂电池SOC估计

锂离子动力电池在电动车辆上应用时,受工况、环境等随机因素影响,SOC具有很强的时变非线性,对电动车辆动力电池SOC估计进行研究具有理论意义和应用价值。安时积分法是目前工程中常用的SOC估计方法,在应用过程中存在的难点是积分过程中累积误差的消除。首先利用电池健康状态估算出电池当前时刻的实际可用容量,作为安时积分法中的除数项,对SOC估计值进行矫正;其次,利用离线数据对安时积分法中的累积误差进行分段消除。仿真结果表明,所提方法比传统的安时积分法具有更高的精度,能够较好地消除累积误差。

基于UKF和AH法的磁悬浮人工心脏泵用锂电池SOC估计复合算法

针对锂电池的非线性特性,提出电池状态模型在不同循环次数、不同温度下的具体改进方法;提出安时积分法和无迹卡尔曼滤波算法结合的锂电池荷电状态(state of charge,SOC)复合估计算法,分析新算法的收敛速度、估计精度以及算法复杂度。试验表明,这种复合算法复杂度低,精度高,能快速实现锂电池SOC的准确估计,估算误差为4.036 2%,适合实时在线计算。

基于Drift-Ah积分法的CKF估算锂电池SOC

锂电池荷电状态(SOC)是反映电池使用情况的重要参数之一.在锂电池实际工作过程中,电流传感器测量时的漂移电流会对SOC估计精度造成很大影响.对此,提出一种加入漂移电流的Drift-Ah积分法,建立SOC的噪声组合模型,并采用容积卡尔曼滤波算法(CKF)实现锂电池的SOC估计.最后,对锂电池进行模拟工况实验,仿真结果表明,所提出的估计算法可以有效抑制漂移电流的干扰,精度高且复杂度低.