【摘 要】
：
动力电池单体容量不一致会导致动力电池组在充放电过程中失去平衡,影响动力电池组的使用效果,降低动力电池组的使用寿命.为了解决这一难题,本工作设计了一种基于荷电状态(SOC)值的主动均衡电池管理系统.该电池管理系统利用安时积分法估计动力电池组中各电池单体的SOC值,在此基础上计算动力电池组的SOC平均值,然后将各动力电池单体的SOC值与动力电池组的SOC平均值进行比较,若二者的差值大于或小于设定的阈值,电池管理系统将控制DC/DC变换器和开关电路对相应的电池单体进行充电或放电,实现电池组能量的转移,从而达到均
【机 构】
：
安徽科技学院机械工程学院,安徽 凤阳 233100;北京理工大学机械与车辆学院,北京 100081
论文部分内容阅读
动力电池单体容量不一致会导致动力电池组在充放电过程中失去平衡,影响动力电池组的使用效果,降低动力电池组的使用寿命.为了解决这一难题,本工作设计了一种基于荷电状态(SOC)值的主动均衡电池管理系统.该电池管理系统利用安时积分法估计动力电池组中各电池单体的SOC值,在此基础上计算动力电池组的SOC平均值,然后将各动力电池单体的SOC值与动力电池组的SOC平均值进行比较,若二者的差值大于或小于设定的阈值,电池管理系统将控制DC/DC变换器和开关电路对相应的电池单体进行充电或放电,实现电池组能量的转移,从而达到均衡的目的.以4块动力电池单体串联而成的动力电池组为例,对该主动均衡电池管理系统的有效性进行了仿真验证.仿真结果表明,经过该系统的主动均衡,3608 s后各动力电池单体之间的SOC差值由初始的7.8％迅速减小到3％以内,5600 s后减小到1％,大大降低了动力电池中各电池单体SOC值的不一致.
其他文献
精准的锂电池建模是保证电池储能系统可靠性至关重要的手段.荷电状态(state of charge,SOC)的准确估计保证了特定应用程序的安全高效运行.为了提高SOC的估计精度,首先建立等效电路模型,利用遗忘因子的偏差补偿最小二乘法(bias compensation recursive least squares,BCRLS)对电池模型进行参数辨识.然后,利用自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法来估计SOC.由于无迹无迹卡尔曼滤波算法易受非
为了提高退役电池健康状态估计的速度和精度,针对某电动大巴车退役的方形磷酸铁锂电池,选取其中8只电池继续进行循环老化实验,并在不同循环周期后进行电化学阻抗测试.根据锂离子电池阻抗特性,提取300 Hz、60 Hz以及1 Hz下的实部、虚部和模值为特征参量,将测试时间由十几分钟缩短至几秒钟.以特征参量为输入参数,结合BP神经网络算法,搭建了基于电化学阻抗和BP神经网络的退役电池健康状态快速估计模型,采用19组未参与模型训练的数据对模型进行验证,验证样本的健康状态估计值的平均绝对百分误差(MAPE)为1.46％