锂离子电池作为电动汽车常用的动力源,电池荷电状态(State of Charge,SOC)直接反映了电动汽车的运行安全状态,因此准确估算电池SOC具有重要意义。通过采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法原理,建立戴维宁(Thevenin)等效电路模型,并结合Matlab算法程序的方法对动态工况下的电池SOC进行估算分析,验证了该EKF算法程序的准确性和可行性。估算结果表明,采用该方法对动态工况下的SOC估算具有很好的估算效果,估算精度平均可达97%。
以常用磷酸铁锂电池为研究对象,分析了电池欧姆内阻特性在不同放电倍率下的变化关系。通过混合脉冲功率特性(Hybrid Pulse Power Characteristic,HPPC)实验法,分析获得了电池欧姆内阻与放电倍率和荷电状态(State of Charge,SOC)之间的关系。研究结果表明,相同放电倍率下,电池欧姆内阻随着电池SOC的减小而增大;相同电池SOC状态下,电池欧姆内阻随着放电电流的增大而增大,从而明确了电池欧姆内阻受放电倍率和SOC共同影响。
以常用磷酸铁锂电池为实验研究对象,建立戴维宁等效电路模型。通过对锂离子电池进行充放电实验和混合脉冲功率(Hybrid Pulse Power Characteristic,HPPC)测试实验方法,分析得出了等效电路模型中各参数的辨识方法。依托Matlab软件对实验数据进行分析和处理,有效验证了模型参数辨识方法的可行性,为进一步研究估算电池荷电状态(SOC)奠定了基础。
电池荷电状态(State of Charge,SOC)作为电池管理系统中的重要参数之一,为保证电池管理系统的安全可靠和延长电池循环使用寿命,准确估算SOC具有重要意义。通过建立戴维宁(Thevenin)等效电路模型,结合卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)算法,实现对锂电池SOC估算精度进行对比研究。仿真结果表明,EKF算法仿真估算SOC精度明显高于KF的估算精度,估算精度可达2%。
电动汽车作为新型节能环保的交通工具之一,以常用磷酸铁锂电池为研究对象,分析电池欧姆内阻是否对荷电状态(State of Charge,SOC)的估算存在影响。通过不同放电倍率的混合脉冲功率特性(Hybrid Pulse Power Characteristic,HPPC)实验对电池欧姆内阻进行了分析和辨识,并提出了一种实时修正欧姆内阻的原理和方法,以建立等效电路模型和滤波算法方法实现了在不同放电倍率下的SOC估算,报告了不同放电倍率下欧姆内阻对估算SOC及汽车容量信息显示存在影响的现状。研究结果表明,电池欧姆内阻对SOC估算及电动汽车剩余容量信息的显示具有直接的影响。
