本文選題：鋰離子電池 + 開路電壓�。� 參考：《Journal of Zhejiang University-Science A(Applied Physics & Engineering)》2017年04期

【摘要】：目的:開路電壓是基于模型的電池荷電狀態(tài)估計的必要參數(shù),其測試耗時大、效率低。本文旨在測試各種電壓松弛時間的荷電狀態(tài)-開路電壓關(guān)系,研究其對開路電壓法和等效電路模型的荷電狀態(tài)估計準確度的影響,提高開路電壓測試效率。創(chuàng)新點:1.通過電路解構(gòu)方法,將二階阻容電路分解為簡單路,運用二階段遞推最小二乘法辨識電路模型的參數(shù);2.基于遞推最小二乘法和卡爾曼濾波算法,建立電路參數(shù)辨識和荷電狀態(tài)估計的的聯(lián)合自適應(yīng)算法,研究電池電壓松弛時間對基于等效電路模型的荷電狀態(tài)估計的影響。方法:1.通過電路解構(gòu)技術(shù)和理論推導(dǎo),構(gòu)建辨識二階阻容等效電路參數(shù)的二階段遞推最小二乘法辨識方法(圖2和公式(4)~(9));2.將二階段遞推最小二乘法和擴展卡爾曼濾波器集成,建立適應(yīng)工況變化的電池模型參數(shù)辨識和狀態(tài)估計的聯(lián)合算法(圖3);3.通過電池測試,建立多溫度和多電壓松弛時間的荷電狀態(tài)與開路電壓的關(guān)系,驅(qū)動自適應(yīng)聯(lián)合算法,獲得既保證荷電狀態(tài)估計準確度,又縮短開路電壓測試時間的電壓松弛時間。結(jié)論:1.二階段遞推最小二乘法既能簡化矩陣計算,又能夠保證電路參數(shù)的辨識非負性;2.聯(lián)合自適應(yīng)算法能夠適應(yīng)工況變化辨識模型參數(shù)和估計荷電狀態(tài);3.聯(lián)合自適應(yīng)算法的結(jié)果表明,5 min的電壓松弛時間既能保證荷電狀態(tài)估計性能,又能極大地提高開路電壓測試效率。
[Abstract]:Aim: open circuit voltage is a necessary parameter for battery charge state estimation based on model, which is time-consuming and inefficient. The purpose of this paper is to test the charge state open circuit voltage relation of various voltage relaxation times, to study its influence on the accuracy of charge state estimation of open circuit voltage method and equivalent circuit model, and to improve the efficiency of open circuit voltage measurement. The innovation point is 1: 1. The second order resistive and capacitive circuit is decomposed into a simple circuit by the method of circuit deconstruction, and the parameters of the circuit model are identified by using the two-stage recursive least square method. Based on recursive least square method and Kalman filter algorithm, a combined adaptive algorithm for circuit parameter identification and charge state estimation is established to study the effect of battery voltage relaxation time on charge state estimation based on equivalent circuit model. Method 1: 1. By means of circuit deconstruction technique and theoretical derivation, a two-stage recursive least square method for identifying the parameters of second-order resistive and capacitive equivalent circuits is constructed (Fig. 2 and formula 4). The two-stage recursive least square method and extended Kalman filter are integrated to establish a joint algorithm for parameter identification and state estimation of battery model with varying operating conditions (figure 3 / 3). Through battery test, the relationship between charge state and open circuit voltage of multi-temperature and multi-voltage relaxation time is established, and the self-adaptive joint algorithm is driven to obtain the accuracy of state estimation. It also shortens the voltage relaxation time of open circuit voltage test time. Conclusion 1. The two-stage recursive least square method can not only simplify the matrix calculation, but also guarantee the nonnegative identification of circuit parameters. The combined adaptive algorithm can be used to identify the parameters of the model and estimate the charged state. The results of the combined adaptive algorithm show that the voltage relaxation time of 5 min can not only guarantee the performance of state estimation, but also greatly improve the efficiency of open circuit voltage measurement.
【作者單位】： Collaborative
【基金】：Project supported by the National Natural Science Foundation of China(No.51677006)
【分類號】：TM912

【相似文獻】

相關(guān)期刊論文 前10條

1 王福忠;鄧坤;;基于區(qū)域極點配置電池荷電狀態(tài)的估計方法[J];節(jié)能;2013年04期

2 趙凱;朱黎明;;無跡卡爾曼濾波的電池荷電狀態(tài)估計試驗研究[J];汽車工程學(xué)報;2013年05期

3 程博;韓琳;王軍平;曹秉剛;;利用免疫進化網(wǎng)絡(luò)的鎳氫電池組荷電狀態(tài)預(yù)測[J];西安交通大學(xué)學(xué)報;2007年11期

4 李革臣;古艷磊;;電化學(xué)阻抗譜法預(yù)測鋰電池荷電狀態(tài)[J];電源技術(shù);2008年09期

5 夏晴;劉志遠;;電動汽車動力電池荷電狀態(tài)的滑模估計方法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2011年S1期

6 麻友良,陳全世,朱元;變電流下的電池荷電狀態(tài)定義方法探討[J];電池;2001年01期

7 何鵬林;王曉冬;;串聯(lián)鋰離子電池組荷電狀態(tài)評估方法對比[J];安全與電磁兼容;2011年01期

8 沈江;張文斌;全小紅;周嵩;陳景玲;;鈦酸鋰電池荷電狀態(tài)的試驗研究[J];新技術(shù)新工藝;2014年01期

9 葉林;陳政;趙永寧;;考慮電池荷電狀態(tài)的光伏功率分段平滑控制方法[J];電網(wǎng)技術(shù);2014年07期

10 余運俊;諶新;萬曉鳳;;電動汽車電池荷電狀態(tài)估計研究綜述[J];電源學(xué)報;2014年03期

相關(guān)會議論文 前3條

1 孫駿;李寶輝;;電動汽車電池荷電狀態(tài)的估算方法研究及展望[A];2012安徽省汽車工程學(xué)會年會論文集[C];2012年

2 張秀玲;宋建軍;;基于RBF神經(jīng)網(wǎng)絡(luò)的MH-Ni電池荷電狀態(tài)預(yù)估模型[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

3 程艷青;高明煜;;基于卡爾曼濾波的電動汽車SOC估計[A];浙江省電源學(xué)會第十一屆學(xué)術(shù)年會暨省科協(xié)重點科技活動“高效節(jié)能電力電子新技術(shù)”研討會論文集[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 鄒幽蘭;基于退役鋰動力電池容量、內(nèi)阻和荷電狀態(tài)的建模與參數(shù)估計[D];中南大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 張樹鵬;電動汽車電池荷電狀態(tài)及行動力分析研究[D];上海交通大學(xué);2015年

2 潘貴財;基于神經(jīng)網(wǎng)絡(luò)的電池組容量檢測系統(tǒng)設(shè)計[D];大連理工大學(xué);2015年

3 羅志亮;鋰電池荷電狀態(tài)自適應(yīng)估計算法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 楊瀟;基于模糊算法的風(fēng)儲聯(lián)合系統(tǒng)控制策略研究[D];山東大學(xué);2016年

5 林鵬峰;磷酸鐵鋰電池建模及其荷電狀態(tài)估計算法研究[D];西南交通大學(xué);2015年

6 周旋;純電動物流車電池荷電狀態(tài)估計方法研究[D];電子科技大學(xué);2016年

7 馮小華;多模式電池組的能量快速擴展與分配方法研究[D];上海應(yīng)用技術(shù)大學(xué);2016年

8 趙曉兵;鋰離子電池荷電狀態(tài)在線估計技術(shù)研究[D];南京航空航天大學(xué);2016年

9 夏晴;電動汽車用鋰離子電池荷電狀態(tài)估計算法的研究[D];哈爾濱工業(yè)大學(xué);2011年

10 和曉念;鋰電池荷電狀態(tài)預(yù)測方法研究[D];河南師范大學(xué);2012年

，

本文編號：1839675