检索结果-内蒙古大学图书馆

上海汽车 2025年第5期 4-13页

作者：仇杰上汽集团创新研究开发总院上海201804 上海理工大学上海200093

动力电池是新能源汽车的储能部件,为汽车提供驱动能量,也会回收制动能量。基于某混合动力车型动力电池,分析了电池运行机理,提出了电池动力学建模的重要性。从电学特性角度,开发了电芯二阶等效电路数学模型,通过混合脉冲功率特性(HPPC)... 详细信息

动力电池是新能源汽车的储能部件,为汽车提供驱动能量,也会回收制动能量。基于某混合动力车型动力电池,分析了电池运行机理,提出了电池动力学建模的重要性。从电学特性角度,开发了电芯二阶等效电路数学模型,通过混合脉冲功率特性(HPPC)工况进行特性仿真分析;从热特性角度,研究了电芯产热机理,构建了数学模型;从电力电子特性角度,建立了高低压电路中不同部件的数学模型,对预充和上下电工况进行仿真。基于此,设计了电池动力学工况仿真软件架构,构建了动力学仿真平台,最终实现了不同工况下的仿真与实车试验结果对比分析。

关键词：车用动力电池二阶等效电路模型最小二乘法电力电子动力学仿真

来源：评论

学校读者我要写书评

暂无评论

高倍率磷酸铁锂电池的荷电状态估算

引用

青海大学学报 2025年第1期43卷 103-110页

作者：谭辉扬邵明玺陈翔燕绍九青海大学机械工程学院西宁810016 北京石墨烯技术研究院有限公司北京100094 北京航空材料研究院石墨烯能源材料研究中心北京100095

高倍率磷酸铁锂电池在充放电过程中,大电流引发的内部温度升高及化学反应速率加剧,导致其荷电状态(state of charge,SOC)的精确估算较为困难。本文在高倍率工况下,基于Matlab/Simulink平台构建二阶等效电路模型,并结合扩展卡尔曼滤波(ex... 详细信息

高倍率磷酸铁锂电池在充放电过程中,大电流引发的内部温度升高及化学反应速率加剧,导致其荷电状态(state of charge,SOC)的精确估算较为困难。本文在高倍率工况下,基于Matlab/Simulink平台构建二阶等效电路模型,并结合扩展卡尔曼滤波(extended kalman filter,EKF)算法,对磷酸铁锂电池动态SOC进行估算。结果表明:EKF算法能够准确估算高倍率磷酸铁锂电池的动态SOC,将误差控制在5%以内。本文选用的EKF算法在高倍率磷酸铁锂电池动态SOC估算中具有良好的有效性和可靠性,可为SOC估算方法的优化提供理论依据与技术支撑。

关键词：高倍率磷酸铁锂电池荷电状态扩展卡尔曼滤波算法二阶等效电路模型

来源：评论

学校读者我要写书评

暂无评论

锂离子电池电解液泄漏试验及参数化表征

引用

汽车技术 2023年第8期 22-27页

作者：刘延超王宇斌胡晶张鹏飞尹立坤中国长江三峡集团有限公司科学技术研究院北京100038 北京交通大学北京100044

为了给锂离子电池电解液泄漏故障诊断方法的确立提供基础,寻找与电池漏液密切相关的参数,设计了电解液泄漏故障模拟试验,对漏液电池和正常电池进行直流阻抗测试和电化学阻抗谱测试,基于二阶等效电路模型参数和弛豫时间分布方法对电池的... 详细信息

为了给锂离子电池电解液泄漏故障诊断方法的确立提供基础,寻找与电池漏液密切相关的参数,设计了电解液泄漏故障模拟试验,对漏液电池和正常电池进行直流阻抗测试和电化学阻抗谱测试,基于二阶等效电路模型参数和弛豫时间分布方法对电池的动力学特性进行分析,提出了表征漏液故障的直流阻抗与交流阻抗参数集,为锂离子电池漏液故障诊断提供了依据。

关键词：锂离子电池电解液泄漏二阶等效电路模型电化学阻抗谱弛豫时间分布

来源：评论

学校读者我要写书评

暂无评论

平方根无迹卡尔曼滤波作球面变换的SOC估计

引用

电源技术 2018年第1期42卷 114-118页

作者：何俊儒王洪诚杨欣荣王蕾西南石油大学机电工程学院四川成都610500 西南石油大学电气信息学院四川成都610500

针对现有的电池荷电状态(SOC)估计方法存在计算推导过程复杂以及线性化精度低的缺点,提出了一种新的基于平方根无迹卡尔曼滤波在单位超球体中作球面变换的锂电池SOC估计方法。这种方法无需对非线性模型线性化且与传统的无迹卡尔曼滤波相... 详细信息

针对现有的电池荷电状态(SOC)估计方法存在计算推导过程复杂以及线性化精度低的缺点,提出了一种新的基于平方根无迹卡尔曼滤波在单位超球体中作球面变换的锂电池SOC估计方法。这种方法无需对非线性模型线性化且与传统的无迹卡尔曼滤波相比,通过球面变换得到的Sigma点也更少,从而降低了计算要求。修正了电池的二阶等效电路模型,然后给出了所提出估计方法的具体步骤。最后,通过实验对估计方法进行了验证,分析了所提出的方法在SOC估计精度和鲁棒性方面的性能。实验表明,所提出的估计方法能顺利地完成电池SOC的精确估计,估计误差最大仅为4.98%,估计精度受参数变化影响小,具有一定的鲁棒性。

关键词：锂电池二阶等效电路模型 SOC 平方根无迹卡尔曼滤波球面变换

来源：评论

学校读者我要写书评

暂无评论

基于LPV理论锂离子电池SOC估算研究

引用

电源技术 2017年第1期41卷 21-23,96页

作者：吴松松郑燕萍张林峰陈宁南京林业大学汽车与交通工程学院江苏南京210037

以磷酸铁锂电池为研究对象,在进行了电池特性实验的基础上确定电池电压特性以及开路电压与SOC关系。以二阶等效电路模型为基础,结合LPV理论及EKF原理,在Simulink中搭建电池仿真模型,实现了电池模型参数与SOC的联合估算,设计实验验证了... 详细信息

以磷酸铁锂电池为研究对象,在进行了电池特性实验的基础上确定电池电压特性以及开路电压与SOC关系。以二阶等效电路模型为基础,结合LPV理论及EKF原理,在Simulink中搭建电池仿真模型,实现了电池模型参数与SOC的联合估算,设计实验验证了模型的正确性。并嵌入整车模型模拟运行,电池SOC工作区间符合控制策略,设计的磷酸铁锂电池SOC估算方法可行有效。

关键词：二阶等效电路模型 LPV系统理论联合估算

来源：评论

学校读者我要写书评

暂无评论

基于EKF算法的神经网络估算锂电池SOC

引用

电源技术 2021年第10期45卷 1260-1263页

作者：丁羿茗吕瑞强蒋超空军勤务学院江苏徐州221000

荷电状态是电池的一个重要参数,为了精确地估计电池的SOC值,建立了Thevenin等效电路模型,将EKF与神经网络结合,利用EKF算法实时更新神经网络模型的权值和阈值。Matlab仿真结果证明,EKF神经网络比BP神经网络精度高,拟合效果好,可以更精... 详细信息

荷电状态是电池的一个重要参数,为了精确地估计电池的SOC值,建立了Thevenin等效电路模型,将EKF与神经网络结合,利用EKF算法实时更新神经网络模型的权值和阈值。Matlab仿真结果证明,EKF神经网络比BP神经网络精度高,拟合效果好,可以更精确地估算锂电池SOC。最后通过实验验证,在HPPC工况下,二阶RC锂电池模型仿真结果和实验结果的误差在2%以内,在UDDS工况下仿真结果和实验结果的误差在4%以内,模型在两种工况下的精度均符合要求。

关键词：二阶等效电路模型参数辨识 EKF算法 SOC估计

来源：评论

学校读者我要写书评

暂无评论

基于UKF的在线锂离子电池SOC估算研究

引用

电源技术 2019年第10期43卷 1615-1618,1644页

作者：徐劲力马国庆武汉理工大学机电工程学院

锂离子电池的精确荷电状态(SOC)估算是电池管理系统(BMS)的关键技术之一,它依赖于电池模型的准确性。由此,基于二阶等效电路模型,采用一种带有遗忘因子递推最小二乘(FRLS)的在线参数辨识方法,以及在线辨识用于锂电池SOC估算的无迹卡尔... 详细信息

锂离子电池的精确荷电状态(SOC)估算是电池管理系统(BMS)的关键技术之一,它依赖于电池模型的准确性。由此,基于二阶等效电路模型,采用一种带有遗忘因子递推最小二乘(FRLS)的在线参数辨识方法,以及在线辨识用于锂电池SOC估算的无迹卡尔曼滤波算法(UKF)来研究精确的SOC电池管理系统。并通过动态应力测试(DST),验证该模型的准确性,以及验证所研究方法在SOC估算上的准确性和稳定性。实验结果表明,与离线的UKF方法相比,基于UKF的在线SOC估算方法具有较高的精度和稳定性。

关键词：锂离子电池剩余电量二阶等效电路模型在线辨识无迹卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

数据驱动的锂离子电池健康状态估算研究

数据驱动的锂离子电池健康状态估算研究

引用

作者：吴凌峰电子科技大学

学位级别：硕士

锂离子电池健康状态(State of Health,SOH)是关键参数,因为其直接关系到电池性能、安全性。准确评估电池SOH有助于电池管理。锂离子电池是一个复杂非线性系统,电池老化程度往往受到不同因素影响,如温度,放电速率,循环次数,电池健康状态... 详细信息

锂离子电池健康状态(State of Health,SOH)是关键参数,因为其直接关系到电池性能、安全性。准确评估电池SOH有助于电池管理。锂离子电池是一个复杂非线性系统,电池老化程度往往受到不同因素影响,如温度,放电速率,循环次数,电池健康状态难以直接估计。对锂离子电池健康状态研究方法比较多,其中数据驱动方法凭借其非线性学习能力强,构建成本低的优点在SOH估计中广泛应用。本文以锂离子为研究对象,重点展开了对锂离子电池数据驱动的SOH估算算法研究。主要完成了以下工作内容: (1)分析了锂离子电池老化原因,对电池健康状态估计方法进行了详细调研,分析了各种方法优缺点。为了提高数据驱动模型准确度,构建了一种神经网络模型结构。这种结构有效解决了多层堆叠LSTM在训练过程中可能出现退化的问题,提升了模型训练效率和估计精度。本文采用了一种变量重要性算法来减少神经网络输入数据量,筛选对模型输出贡献最大特征。这不仅显著降低了网络计算负担,还提高了模型精度。使用NASA和牛津锂离子电池数据集,从电池数据中提取电池健康特征,作为模型验证数据集。从准确性和模型性能角度评价了所提出模型。 (2)提出了一种多模型融合电池健康状态估计方法,以解决电池数据质量较差的情况下,数据驱动模型表现不佳问题。该模型中使用了电池半经验老化模型输出结果和二阶等效电路模型进行SOH估计。参数辨识后,使用电池数据计算模型相应响应值。同时对等效电路模型参数与电池数据进行数据特征提取。最后使用数据驱动模型融合半经验老化模型与等效电路模型,估计电池健康状态。结果表明这种多模型融合电池健康状态估计方法在数据质量较差的情况下可以进行电池健康估计。 (3)搭建了锂离子电池健康估计平台,用户可以使用该平台快速构建数据驱动电池健康模型并使用数据估计电池健康状态。该平台主要有四大功能:电池数据可视化查看,数据特征提取与筛选,数据驱动模型构建,模型超参数优化。最后将平台封装为一款独立软件,该平台使得构建数据驱动模型操作得到了简化,并且直观呈现电池健康数据。

关键词：电池健康状态数据驱动锂离子电池半经验老化模型二阶等效电路模型

来源：评论

学校读者我要写书评

暂无评论

一种储能电池的数据解析及模型验证方法

引用

综合智慧能源 2023年第3期45卷 81-86页

作者：李帅龚世敏蔡亮亮唐斌洪莹南京国电南自自动化有限公司南京211153

随着新型能源系统构建,大量储能电池接入系统,运用物联网、大数据等技术提升其管理水平势在必行。基于储能电池运行特性分析,提出了一种数据解析及模型验证方法。分析了储能电池的数据采集及传输方式,研究了控制器局域网络(CAN)报文的... 详细信息

随着新型能源系统构建,大量储能电池接入系统,运用物联网、大数据等技术提升其管理水平势在必行。基于储能电池运行特性分析,提出了一种数据解析及模型验证方法。分析了储能电池的数据采集及传输方式,研究了控制器局域网络(CAN)报文的帧解析及数据提取方法,给出了具体算法流程。结合电池二阶等效电路模型,研究了储能电池数据模拟方案,包括开路电压查表获取方法及动态电压迭代算法。研究了个人计算机(PC)侧工具开发方案,包括界面设计及功能布局。实例应用结果表明,该方法可用于储能电池数据解析及模型验证。

关键词：储能电池控制器局域网络二阶等效电路模型开路电压动态电压新型能源系统物联网大数据

来源：评论

学校读者我要写书评

暂无评论

基于双扩展卡尔曼滤波锂电池荷电状态估算研究

引用

电子测量技术 2020年第19期43卷 49-52页

作者：王文亮何锋蒋雪生郑永樑贵州大学机械工程学院贵阳550025 贵州长江汽车有限公司贵阳550025

针对单个扩展卡尔曼滤波算法(EKF)估算精度不高,且受荷电状态(SOC)初始值的影响,在建立二阶RC等效电路模型基础上,采用双扩展卡尔曼滤波算法(DEKF)对电池模型参数与SOC在线估算。以24 Ah/3.3 V磷酸铁锂电池组为研究对象,设计了电池实测... 详细信息

针对单个扩展卡尔曼滤波算法(EKF)估算精度不高,且受荷电状态(SOC)初始值的影响,在建立二阶RC等效电路模型基础上,采用双扩展卡尔曼滤波算法(DEKF)对电池模型参数与SOC在线估算。以24 Ah/3.3 V磷酸铁锂电池组为研究对象,设计了电池实测工况实验,实验结果表明,在动态压力测试工况(DST)和纯电动乘用车用能量型蓄电池主放电工况下,与单个EKF算法相比,DEKF算法在SOC初始值不准确的条件下具有较好的收敛性和适应性,误差控制在3%以内,证明了该算法的可行性和有效性。

关键词：二阶等效电路模型在线估算双扩展卡尔曼滤波算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：