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。

引入PID反馈的SHAEKF算法估算电池SOC

电池荷电状态(SOC)的估算精度是电动汽车电池组的重要指标。为提升SOC估算精度,在融合Sage-Husa扩展卡尔曼滤波(SHEKF)算法与自适应扩展卡尔曼滤波(AEKF)算法的基础上,增加比例积分微分(PID)反馈环节,形成改进算法。采用粒子群优化(PSO)算法对二阶RC等效电路模型进行参数辨识;用开源电池数据集对模型和算法进行实验和分析。改进的SHAEKF算法在电池动态应力测试(DST)、北京动态应力测试(BJDST)和美国联邦城市驾驶(FUDS)等工况下的平均估计误差都在1%以内,与单纯的融合算法SHAEKF算法相比,最大误差可减小5%。

移相全桥变换器中RC缓冲电路对系统影响机理与优化研究

移相全桥ZVS变换器副边整流二极管电压应力较高,需要设计缓冲电路来保证系统性能。然而,加入RC缓冲电路的变换器在某种工作模式下近似为LCL三阶谐振系统,导致接近开关频率的谐振甚至在整流二极管两侧产生更高的电压应力。通过建立移相全桥ZVS变换器在能量传输模式期间的等效电路模型,揭示RC缓冲电路对系统稳定性产生影响机理及电路参数对振荡的影响规律,通过分析选取合理的RC缓冲电路参数,不仅有效降低整流二极管电压应力,同时抑制由缓冲电路带来的振荡问题,进而提高系统的效率。设计了一个3.2 k W(10 A,320 V)的实验样机,验证了理论分析的正确性。

基于SRCKF的电动汽车锂离子电池荷电状态估计

精确的电池荷电状态(state of charge,SOC)估计对提高新能源汽车电池管理系统的性能、电池使用安全性以及整车能量管理策略的准确性具有至关重要的作用。综合考虑电池模型精度和复杂度,建立了锂离子电池二阶RC等效电路模型,运用自适应遗忘因子递推最小二乘法(adaptive forgetting factor-recursive least square,AFF-RLS)在线辨识模型参数。在此基础上,采用平方根容积卡尔曼滤波(square root cubature Kalman filter,SRCKF)估算电池SOC,使用动态应力测试工况(dynamic stress test,DST)对模型参数和SOC进行验证。研究结果表明,与无迹卡尔曼滤波(unscented Kalman filter,UKF)估算相比,SRCKF估算误差小、鲁棒性好。

锂电池二阶RC等效电路模型参数辨识

以锂电池二阶RC等效电路模型为研究对象,将电池模型RC参数的辨识问题归结为非线性最优化问题,建立非.线性最小二乘优化模型,采用Levenberg-Marquard(LM)算法对其进行求解.该优化问题不仅是非线性的,而且非凸,因此需要对优化算法中的初始值进行选取,同时放电电流大小的变化也会影响参数求解结果的稳健性.为解决这两个问.题,首次提出一种简单有效的RC参数初始值的选取方法和调整最优化模型中的目标函数的方法,保证该算法在不同放电电流情况下均能得到正确的解.仿真结果表明:在选定合适的初始值的情况下,该算法能够快速准确求解模型中的RC参数值.

基于全细胞RC电路的细胞阻抗响应模型的建立与分析

通过建立基于全细胞RC电路的细胞阻抗响应模型来分析细胞内部各结构的电学特性变化导致系统总体阻抗变化的原因。重点分析了细胞膜电容、电阻、细胞间电阻以及细胞电极间电阻变化对于系统阻抗幅值和阻抗角频率响应的影响。结果表明,系统阻抗特性变化受到细胞内部电学参数变化的耦合影响。为基于细胞阻抗传感器测试的细胞功能表征提供了深入的理论基础,为阻抗测试选择合适的频率提供了有效指导。

混合电动汽车锂离子电池状态融合估计策略

锂电池荷电状态及健康状态是电池管理系统的核心参数。以三元锂电池为研究对象,利用二阶RC等效电路实现对电池性能表征,改进扩展卡尔曼滤波算法,提出一种新型双自适应卡尔曼滤波算法,实现三种工况下荷电状态与健康状态联合估算。以安时积分估算结果作为参考,提出的荷电状态估算方法较扩展卡尔曼滤波算法,精度有显著提高。在HPPC工况下,平均误差减少1.529%,最大误差减少2.162%;在BBDST工况下,平均误差减少0.228%,最大误差减少3.580%;在DST工况下,平均误差减少0.436%,最大误差减少5.997%。以遗忘因子最小二乘法估算结果作为参照,健康状态的估算结果有效模拟了实际情况,HPPC工况下偏差在4%以内,BBDST工况下偏差在3%以内,DST工况下偏差在6%以内,能有效追踪电池状态变化。

基于LM-RLS和渐消因子EKF算法的锂电池SOC估计

为提高复杂工作环境下锂电池荷电状态估计精度,以三元锂离子电池为研究对象,采用限定记忆递推最小二乘法与渐消因子扩展卡尔曼滤波算法相结合进行荷电状态估计。以有限组数据计算当前时刻模型参数,解决数据饱和问题。在扩展卡尔曼滤波算法中加入渐消因子,弱化旧数据的影响,实时调整误差协方差矩阵。为验证算法的合理性,建立二阶RC等效模型,对不同工况进行荷电状态估计。验证结果表明,算法估计精确度高且稳定性好。系统稳定后,HPPC、BBDST工况中的荷电状态最大估算误差分别为0.0144和0.0085,且波动范围较小,验证了改进算法估计锂电池荷电状态时的良好性能。

基于MSUKF的锂离子电池SOC估算研究

快速、准确地估算锂离子电池的荷电状态(SOC)是电池管理系统的关键技术之一,有利于延长电池使用寿命并提高使用的安全性。以三元锂电池为研究对象,采用二阶阻容(RC)等效电路模型构建锂离子电池模型,通过递推最小二乘法(RLS)对等效模型参数进行在线辨识,并结合多新息无迹卡尔曼滤波(MSUKF),形成RLS-MSUKF算法,以实现锂离子电池SOC估算。采用多时刻的新息信息对估算值进行校正,以减少误差积累、增强算法的收敛性及提高锂离子电池SOC估算的精度,并在混合脉冲功率特性(HPPC)测试工况下对锂离子电池进行SOC估算。试验结果表明,HPPC工况下的SOC误差稳定控制在0.78%以内,验证了改进算法的良好性能。该算法为优化锂离子电池SOC估算提供了依据,对锂离子电池SOC估算研究具有启发意义。

一种退役锂电池健康状态估计方法

针对退役锂电池健康状态估计效率较低的现状,提出一种快速、有效的估计方法。首先采用3阶RC等效电路模型描述电池特性得出状态方程,确保电池模型精确性,同时引入电池荷电状态SOC(State of charge)和欧姆内阻(R 0)作为状态方程参数。其次利用区域概念,计算出特定的区域容量与区域电压,减少电池参数估计所需要的数据、时间。然后通过扩展卡尔曼滤波(Extended kalman filtering)算法估计电池参数SOC和R 0,进而对电池健康状态(State of health,SOH)进行估计。最后,利用电池测试设备(Arbin-BT2000)对18650电池进行充放电实验,验证该方法的可行性。实验结果证明SOH估计所需参数明显减少,使得电池数据测量所需时间明显缩短,并且估计误差不超过4%,误差较小,说明所提出方法能快速、有效地估算出电池SOH。

基于在线参数辨识和EKF的锂电池SOC估算

为了准确估算锂电池的剩余荷电状态(State of Charge,SOC),在2阶RC等效电路模型基础上,采用带遗忘因子递推最小二乘法(Forgetting Factor Recursive Least Square,FFRLS)对电池模型进行在线参数辨识,提高模型精度,联合扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)对锂电池的SOC进行估算。在MATLAB环境下进行模拟仿真,仿真结果表明:FFRLS算法辨识后电池模型得仿真电压与实际电压得最大误差为0.029,平均误差约为0.0006,联合EKF对SOC的估算误差在绝对值3%以内,其中最大误差绝对值为2.6%。

不同温度下的锂电池SOC联合估算

为准确估算电动汽车的荷电状态,针对扩展卡尔曼滤波算法存在噪声、鲁棒性差等问题,基于二阶RC等效电路模型,在不同温度下进行脉冲放电实验和最小二乘法离线辨识,再提出双自适应鲁棒扩展卡尔曼滤波(DAREKF)算法对模型参数和SOC进行在线联合估算。仿真结果表明:在常温条件下与AREKF算法相比,所提算法可以使SOC估算误差保持在1.14%以内;在低温条件下,越接近0℃,该算法的误差越小。

基于扩展卡尔曼滤波的锂电池SOC估算

锂离子电池荷电状态SOC是反映电池及电源系统特性的重要参数,与电池安全性、寿命、效率密切相关。根据电池容量、阻抗、温度和充放电特性,建立二阶RC等效模型,鉴于传统卡尔曼滤波估算SOC误差过大,提出扩展卡尔曼滤波(EKF)与工作电压-荷电状态特性相结合的SOC估算方法。MATLAB仿真和实验结果表明二阶RC模型能够表征电池充放电阻抗、温度特性,扩展卡尔曼滤波法能够精确的估计电池的荷电状态,估值误差在4%以内,该模型及估值方法具有较高精度,适合SOC在线评估。

基于自适应无迹卡尔曼滤波的动力电池SOC估计

针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电池SOC时,在未知的干扰噪声条件下滤波精度较低和稳定性较差等问题,基于等效的二阶RC电路模型,提出自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法。在模型参数辨识的基础上,构建了系统状态方程以及量测方程;随后,研究了无迹卡尔曼滤波算法及其自适应调整策略。根据仿真结果可知,该算法估计的电池SOC最大误差小于2.13%,估算精度及收敛速度均好于传统无迹卡尔曼滤波算法。

城轨车用复合动力储能系统蓄电池SOC和SOH估计

以城市轨道交通复合储能系统蓄电池荷电状态(SOC)和健康状态(SOH)估算为目的,采用适合城市轨道交通车辆运行工况的二阶RC等效电路模型,并通过遗忘因子最小二乘算法(FFRLS)辨识其模型参数。基于二阶RC等效电路模型利用传统的自适应无迹卡尔曼滤波算法(AUKF)估计电池的荷电状态(SOC),由于列车复杂的运行环境,其电池受到的噪声是一个动态变化值,因此导致其估算结果误差较大,其最大误差达到5.5%。因此本文采用自适应无迹卡尔曼滤波算法实时估算蓄电池SOC,欧姆内阻及其容量,并根据欧姆内阻、容量与蓄电池SOH之间的函数关系,估算出电池的SOH。最后,通过设定的工况下对状态估计算法验证,经实验分析表明,相比UKF算法,AUKF算法能同时实时循环估算SOC和模型参数,根据观测值可以自动更新噪声,因而对于列车实际运行工况下其实用性更好,且精度较高,其最大误差为3.5%,均差为1.5%。

DC/DC变换器输出整流桥寄生振荡机理分析与抑制

在考虑变压器漏感和二极管寄生参数的基础上,建立了隔离式DC/DC变换器变压器次级整流桥换流时的等效模型,并依据该模型分析了变换器输出整流桥寄生振荡的产生机理。讨论了各电路参数对寄生振荡的影响规律,介绍了几种抑制寄生振荡的常用方法,并分析了各自的优缺点。实验表明,在所设计的13kW移相全桥ZVZCS变换器中采用RC缓冲电路,可有效抑制输出整流桥上的寄生振荡。

基于内阻增加和容量衰减双重标定的锂电池健康状态评估

锂电池健康管理对推动其广泛应用具有重要意义。立足锂电池应用现状,为解决复杂工况下健康状态估算困难、精度低等问题,以三元锂电池为研究对象,建立二阶RC等效模型对电池的工作特性进行表征,从内阻增加及容量衰减两方面分析健康状态变化。考虑荷电状态对内阻的影响,采用标定荷电状态,在放电情况下分为0~1 s及1~10 s两区间分析其内阻变化;并以温度为参量,扩大测量区间,更精确地反映不同温度下容量衰减。实验结果表明,在0~1 s内,锂电池健康状态同荷电状态并无关系;1~10 s内,锂电池健康状态下降速率同荷电状态呈反比;且在不同温度下的完全放电实验表明,实验用锂电池在25℃下健康状态最为优良。表明二阶RC模型能够较好地对锂电池健康状态进行估算,收敛速度快且跟踪效果好,基于内阻增加的健康状态估算误差控制在1.0%以内、基于容量衰减的健康状态估算误差控制在0.8%以内,有利于完善锂电池健康状态评估方法,推动锂电池应用。

基于RLS-EKF联合算法的锂电池SOC估算

针对锂电池的荷电状态(SOC)估算问题,给出了一种RLS-EKF联合算法。该联合算法在二阶RC等效电路模型基础上,采用递推最小二乘算法(RLS)和扩展卡尔曼滤波算法(EKF)对电池模型参数与SOC进行在线联合估算。在恒流放电工况、动态压力测试工况(DST)和纯电动乘用车用能量型蓄电池主放电工况下验证了该联合算法对锂电池SOC的准确实时估算,SOC估算误差低于传统单个EKF算法估算误差。

基于无迹卡尔曼滤波的动力电池健康状态估计

准确估计动力电池的荷电状态(SOC)及健康状态(SOH)是电池领域的关键性技术,对正在服役的动力电池进行全面安全精确的管理是保障电动汽车安全高效运行的前提。以二阶RC等效电路模型为基础,运用无迹卡尔曼滤波算法(UKF)对电池SOC和欧姆内阻进行实时估计,再利用电池欧姆内阻与SOH的关系,实现了对SOH的实时估计。与传统的扩展卡尔曼滤波算法相比,无迹卡尔曼滤波算法无需对状态方程进行线性化处理,不存在截断误差,具有更高的估算精度与稳定性。

LiFePO_4锂离子动力电池内阻与放电倍率关系研究

研究锂离子动力电池内阻与放电倍率的关系可以改善电池管理系统(BMS)内阻模型的准确度和适应性,对提高电池状态如荷电状态(SOC)的估算精度具有巨大的意义和市场价值。本文采用二阶RC网络等效电路模型,通过不同倍率恒流放电和脉冲放电对25 A·h LiFePO_4锂离子动力电池进行直流内阻(DCIR)和脉冲内阻(PDIR)表征,对不同荷电状态(SOC)下DCIR、PDIR_0、PDIR_1、PDIR_2随放电倍率的变化规律进行拟合,得到DCIR、PDIR_1、PDIR_2、PDIR_(tot)都非常符合双指数关系,PDIR_0符合线性关系且几乎不变,并通过对比分析排除因温度造成内阻变化的可能。从固态电解质界面(SEI)生成速率与分解速率的化学平衡角度解释了DCIR、PDIR_1、PDIR_2、PDIR_(tot)在低放电倍率时大可能是由于SEI分解速率小于生成速率,SEI与静置时的相似,电阻较大;反之,高放电倍率时小可能是由于SEI分解速率大于生成速率,SEI分解变薄并重新达到新的速率平衡,从而表现出较低的内阻。