SOC估算
SOC估算的相关文献在2007年到2022年内共计543篇,主要集中在电工技术、公路运输、无线电电子学、电信技术
等领域,其中期刊论文150篇、会议论文4篇、专利文献10974篇;相关期刊92种,包括科学技术与工程、科技视界、重庆理工大学学报(自然科学版)等;
相关会议4种,包括首届直流输电与电力电子专委会学术年会、中国电工技术学会电力电子学会第十三届学术年会、2011中国汽车工程学会学会年会等;SOC估算的相关文献由1534位作者贡献,包括王顺利、于春梅、李小霞等。
SOC估算—发文量
专利文献>
论文:10974篇
占比:98.62%
总计:11128篇
SOC估算
-研究学者
- 王顺利
- 于春梅
- 李小霞
- 陈蕾
- 康文蓉
- 张丽
- 曹文
- 康健强
- 范永存
- 乔静
- 吴铁洲
- 姜久春
- 王瑶
- 严晓
- 叶丽华
- 张君伟
- 张鹏
- 施烨璠
- 昌诚程
- 朴昌浩
- 杨洋
- 熊丽英
- 王浩
- 王海钰
- 薛定邦
- 陈宁
- 靳玉红
- 乔家璐
- 刘桂雄
- 刘胜永
- 宋忆宁
- 尚德华
- 张剑锋
- 张华辉
- 张维戈
- 张裕天
- 方伟峰
- 施爱平
- 时玮
- 李军
- 李平
- 李泓沛
- 李立伟
- 李远茂
- 桂卫华
- 王一全
- 田晟
- 谢卿
- 郑庆飞
- 阳春华
-
-
张良力;
何雨健;
曾飞
-
-
摘要:
驾驶工况下的无人船锂电池荷电状态(SOC)估算失准,影响船载电池管理系统运行和无人船航程控制。在分析无人船动力学模型和锂电池SOC之间关联的基础上,选取2阶RC电路等效动力锂电池内部结构,通过对单体电池实施混合脉冲功率特性(HPPC)实验辨识等效电路模型参数,建立了基于扩展卡尔曼滤波(EKF)的锂电池SOC估算系统状态方程。针对EKF模型中测量噪声协方差和系统噪声协方差带来的SOC估值偏差影响,利用粒子群优化(PSO)找寻适应度函数最优值以调整EKF模型参数,达到抑制输出值波动和减小估算误差的目的。在锂电池处于恒流放电和变流放电状态下,分别观测EKF和PSO+EKF,估算SOC数据及其误差。结果表明:PSO+EKF估算方法在稳定性和准确度方面优于EKF方法,稳定后估算误差小于0.02,对提高无人船锂电池SOC实时估算性能有实际意义。
-
-
陈张睿
-
-
摘要:
电池荷电状态(SOC)的估算是电池管理系统衡量电池寿命的重要指标。精确的SOC估计在防止过充放电、提高电池利用率、保障电动汽车电池系统的安全性和稳定性方面具有重大的意义。SOC的估算主要有安时积分法,卡尔曼滤波法,开路电压法,神经网络等。安时积分法需要定期修改荷电状态,误差较大;卡尔曼滤波法是依据均方最小的误差原则,较高地依赖型的精确度;开路电压法电池须长时间的静置,而实际工况中电流值上下波动大,测量误差较大;神经网络具有强大的非线性映射能力,无需特别精准的数学模型,在实际的SOC估算具有非常重要的优势。本文主要针对BP神经网络及其衍生的方法做了概述,实践证明BP神经网络与其他算法结合是最有前景的,不仅能缩小误差,提高准确性,还能突出它强大的非线性拟合能力。
-
-
汪灏;
沈川杰;
周恒保;
王雨果;
高飞;
徐昕
-
-
摘要:
目前,在运载火箭领域,给箭上控制系统、测量系统和电磁阀火工品负载各提供一块电池供电,电池故障会导致箭上电气系统工作异常,严重时甚至导致任务失败等灾难性后果;锂电池具有高能储存密度、使用寿命长等优点,正在取代传统锌银电池应用于运载领域;针对运载火箭领域电池电源无冗余的问题,对锂电池故障诊断进行研究;根据锂离子单体电池SOC估算结果作为电池故障诊断的依据;采用EKF算法提高锂离子单体电池SOC估算的精度;根据故障诊断结果通过电池组拓扑重构完成故障单体电池智能切换,建立了运载火箭供电能源冗余管理系统;经仿真测试满足工程应用要求,提高了运载火箭领域电池的可靠性、安全性与容错能力,对提高运载火箭可靠性安全性有重大意义。
-
-
王俊;
尹志勇;
王勇;
郭鑫;
任晓琨
-
-
摘要:
针对扩展卡尔曼滤波算法中近似线性化处理及电池实际使用中出现的容量衰减引起的电池状态估算误差,提出基于容量修正的无迹卡尔曼滤波算法完成电池荷电状态估算,实现电池全寿命状态监测。通过分析锂电池工作特性和建立二阶RC等效电路模型,使用在线参数辨识法实现电池动态参数计算,为电池荷电状态估算奠定基础。结合电池实际工作中容量衰减特性,利用容量修正和无迹卡尔曼滤波算法完成电池荷电状态的在线实时估算,提高了估算精度。在恒流放电工况下,利用MATLAB仿真验证,表明无迹卡尔曼滤波算法的估算精度和鲁棒性优于扩展卡尔曼滤波算法,估算误差在3.5%以内。引入容量修正后,对老化情况下容量衰减的电池进行荷电状态估算,相比容量未修正时最大估算误差减小了3%,满足电池全寿命状态估算使用需求。
-
-
薛冰;
邵藩凯;
宫金朋
-
-
摘要:
电动汽车荷电状态估算的准确性直接影响车辆的运行状态、动力输出及安全性,但动力电池具有非线性的特性,同时运行环境复杂,受多种干扰因素的影响,精准估算电池荷电状态变得更有难度,会影响驾乘人员对续驶里程的判断。该文介绍估算荷电状态的多种方法,并重点对目前电动汽车所采用的精准估算方法,即自适应神经模糊系统、卡尔曼滤波法及滑模观测器法进行对比分析,并探讨其对车辆续驶里程的影响,为之后尝试多种方法联合应用提供依据。
-
-
谭泽富;
彭涛;
代妮娜;
魏健;
邓立
-
-
摘要:
近年来国家大力发展新能源汽车,电池管理系统(BMS)作为关键技术之一,在电动汽车发展中起着关键作用。阐述了BMS关键技术的研究进展,介绍了电池均衡技术的分类,对电池荷电状态(SOC)估算方法的优缺点进行分析。论述了热管理系统的功能和分类,详细介绍了基于相变材料(PCM)的热管理系统。简要介绍了国内BMS最新成果,并对BMS关键技术的发展进行展望。
-
-
张远进;
吴华伟;
叶从进
-
-
摘要:
电池荷电状态(SOC)的估算作为车载电池管理系统(BMS)的核心技术之一,其准确预估可以延长电池使用寿命,确保整车的正常行驶.本文以锂离子电池为研究对象,提出一种基于自适应无迹卡尔曼滤波(AUKF)和BP神经网络相结合的电池SOC估算方法.该方法通过采样策略自适应性提高了UKF的估算精度,并利用训练好的BP神经网络SOC输出值作为UKF的观测量.使用Arbin电池测试平台采集的不同温度下的混合工况和FUDS工况电池测试数据为基础,比较AUKF-BP算法和BP算法的准确性.结果表明,不同温度下的AUKF-BP算法的平均均值误差为0.82%,BP算法的平均均值误差为1.63%,基于AUKF-BP的SOC估计方法具有更高的鲁棒性和准确性.
-
-
杜帮华;
张宇;
吴铁洲;
何衍林;
李子龙
-
-
摘要:
针对目前梯次利用锂离子电池受老化的影响,导致在采用传统带遗忘因子的最小二乘法进行等效模型在线参数辨识后,会出现模型参数过饱和、无法跟踪时变参数的问题.本工作提出一种可变遗忘因子的最小二乘法,通过不断地对遗忘因子进行矫正更新,从而更好地跟踪梯次利用电池老化特性.以锂电池一阶RC等效电路模型为对象,搭建测试平台进行充放电试验,并与传统带遗忘因子的最小二乘法的参数辨识结果进行对比.实验结果表明,该方法能够快速收敛及动态跟踪,同时模型端电压参数平均误差减小到25 mV以内,所提出的方法在DST和储能系统典型工况下运行时,其对应的参数辨识精度提高了38.33%,证明该方法具有较高的准确性.
-
-
-
周世杰;
李顶根
-
-
摘要:
准确地估算电动汽车动力电池的荷电状态(State of Charge,SOC)对电动汽车的安全驾驶和及时充电至关重要.基于超声测量和神经网络提出一种动力电池SOC估算方法.该方法对动力电池施加一个超声波脉冲,超声信号经过电池后得到反馈脉冲波,并以反馈波形的峰峰值作为神经网络的输入来建立模型,从而对动力电池SOC进行估算.试验结果表明,对于放电以及充电过程,SOC估算误差都仅为1%.