荷电状态

摘要： 以全钒液流电池和超级电容器组成的混合储能系统(hybrid energy storage system,HESS)可有效平抑风电功率波动。为了提高储能系统的灵活性和安全性,提出一种基于参数优化变分模态分解(variational mode decomposition,VMD)的混合储能功率分配方法。首先利用指数平滑法依据我国并网标准对风电功率进行滤波,得到符合要求的风电并网功率,并计算出储能系统所需要的平滑风电波动功率;然后基于三种信号分解评价指标构造适应度函数,采用麻雀搜索算法(sparrow search algorithm,SSA)对VMD算法中模态个数K与二次惩罚因子α进行优化,得到优化后的K值与α值后采用VMD算法分解风电波动功率并完成在全钒液流电池和超级电容器间的基本分配;最后采用模糊控制器优化储能设备的荷电状态,实现HESS功率的二次分配。算例结果表明,所提方法不仅能够对风电波动功率信号自适应分解,有效抑制风电功率波动,减少模态混叠,完成HESS功率的合理分配,还可以优化储能设备的充放电范围,避免储能设备的过度充电和过度放电状况的发生,保证储能设备的荷电状态维持在固定区间,实现HESS安全稳定运行。

摘要： 针对无迹卡尔曼滤波(UKF)算法在估算锂电池荷电状态(SOC)时忽略了系统噪声时变特性问题,导致估算精度降低,故提出了自适应无迹卡尔曼滤波(AUKF)算法。通过建立电池模型,利用UKF对SOC进行估算的同时,结合Sage-Husa自适应滤波算法时刻对系统噪声进行估计和修正,进而提高估算SOC时的精度。通过在不同工况下对AUKF算法进行验证,其结果表明,AUKF具有较强的估算精度和稳定性,将均方根误差(RMSE)控制在1.1%以内,估算结果明显优于UKF算法。

摘要： 准确、可靠的荷电状态(SOC)估计可以为电池管理系统的安全高效使用提供保障。针对锂电池SOC估计精度不足的问题,提出人工蜂群算法(ABC)和随机森林优化EKF算法(RFEKF)分别实现电池模型的参数辨识和SOC估计。在建立双极化模型的基础上,为解决在线辨识初始误差累积的问题,采用ABC算法搜索最小模型电压误差下的全局最优阻抗参数值,实现模型参数的精确辨识。在获得精确的模型参数基础上,使用随机森林(RF)对SOC后验估计误差进行在线补偿,达到弥补传统EKF算法高阶项误差的目的,进而实现SOC高精度估计。联合半实物仿真系统和电池测试平台,在EPA城市动力工况下对SOC估计算法实现快速控制原型验证。结果表明:基于ABC-RFEKF的锂电池SOC估计算法各项误差指标均低于传统SOC估计算法,平均误差在1%左右,满足实际工程需求。

摘要： 电池在满电状态无法进行混合动力脉冲能力特性测试(Hybrid PulsePower Characteristic,HPPC),导致电池参数在荷电状态(State of Charge,SOC)值为0.9~1区间无法辨识。针对这一问题,提出了安时积分(Ampere Hour,AH)与扩展卡尔曼滤波(Extended Kalman Filter,EKF)综合估算SOC的方案。首先基于HPPC实验数据对建立的Thevenin模型进行参数辨识,然后使用新欧洲行驶工况(New European Driving Cy⁃cle,NEDC)对AH+EKF综合估算方案进行了验证。验证结果表明采用AH+EKF综合估算方案大大降低了EKF法在SOC值为0.9~1区间的估算误差,当只采用EKF法的最大误差为2.2%,而使用AH+EKF综合估算方法最大误差不超过0.9%。该方法提高了SOC估算精度,取得了较为理想的效果。

摘要： 传统的超级电容三支路RC等效电路模型在快速充放电过程中并不能很好地描述超级电容充放电特性,且三支路RC等效电路模型参数在线辨识困难。为了提高快速充放电工况下超级电容状态估计和参数辨识的准确性,提出了基于简化模型和EKF的状态估计和参数辨识方法。首先,通过对快速充放电工况下模型简化可行性分析,在满足精度要求的前提下将三支路RC模型简化为二支路RC模型;其次,将模型参数也作为状态变量加入到状态方程中,采用EKF算法实现超级电容状态量和模型参数的同时在线估计;最后,采用一节50 F的超级电容在恒流充电、恒电阻放电的工况下验证了所提方法的有效性。实验结果表明,基于简化模型的状态估计和参数辨识方法在不降低估计精度的情况下加快了估计速度。

摘要： 双碳和新型电力系统建设目标下集成优化资源的微电网将是电网公司实现该目标的重要载体。微电网支持并网或离网运行,其离网运行可以提高供电可靠性,这是微电网的重要特性。离网运行的微电网需要合适的稳态控制策略,以保证微电网的长期稳定运行。目前一些依赖预测信息和采用模糊智能算法的能量管理方法在微电网的长期实际运行中会产生较大的稳态控制误差。为了更好地解决微电网离网运行时电力电量平衡定量的计算问题,提高微电网离网稳态控制精度,研究了基于储能电池荷电状态的主从控制微电网离网实时稳态协调控制策略,提出了微电网离网有功协调控制间歇电源调整、负荷调整、微电网停运等关键操作中储能荷电状态控制节点值的精确工程计算方法。针对实际微电网应用工程开展了协调控制策略的具体应用,仿真和实际运行证明了所提控制策略和计算方法的有效性。

摘要： 针对粒子滤波对电动汽车锂电池荷电状态(SOC)估算误差大的问题,在建立二阶RC等效电路模型并利用脉冲放电实现电池参数辨识的基础上,采用了改进的无迹粒子滤波(IUPF)算法。该算法利用无迹卡尔曼在粒子滤波中生成重要的概率密度函数,然后在重采样阶段通过设置粒子阈值选择最优粒子,并用正则化粒子滤波改善了粒子退化问题。分别在恒流放电状态和动态应力测试(DST)下对该算法进行验证,实验结果表明:锂电池SOC估算最大误差为1.86%,提高了锂电池SOC估算精度,为电动汽车锂电池管理系统准确在线估计提供有效依据。

摘要： 针对无迹卡尔曼滤波(UKF)在噪声不确定及工况复杂情况下锂电池荷电状态(SOC)估计精度低的问题,提出基于自适应无迹卡尔曼滤波(AUKF)的估计方法。建立了基于二阶RC等效电路模型的锂电池状态方程,采用遗忘递推最小二乘(FFRLS)参数辨识方法,将Sage-Husa自适应滤波算法与UKF相结合对系统噪声协方差进行实时更新。仿真结果表明:在美国城市循环(UDDS)工况下UKF算法最大相对误差为4.90%,均方根误差为0.0033,改进的AUKF算法最大相对误差为3.28%,均方根误差为0.0020,相比于UKF算法,AUKF算法具有更高的精度和更好的稳定性。

摘要： 锂电池具有多方面优越的性能,因此被广泛用于电动汽车领域。为了提高锂电池的安全性和使用寿命,需要准确地估算出电池的荷电状态这一重要参数。为了解决安时积分法不能确定电池SOC初始值和开路电压法需要电池长时间静置的问题,提出使用安时积分法与开路电压法相结合的方法估计电池SOC值。通过相关充放电实验确定开路电压与电池SOC的对应关系、电池达到充分静置所需时间与电池SOC的关系,以此精确估计电池SOC的初始值,再基于安时积分法实时快速地估计电池SOC值。

摘要： 针对6轮足机器人动力电池的荷电状态(state of charge,SOC)估计精度低、电池模型准确度不高等问题,提出一种基于带遗忘因子的递推最小二乘(recursive least squares with forgetting factor,FFRLS)与自适应扩展卡尔曼滤波(adaptive extended Kalman filtering,AEKF)相结合的估计算法。首先通过FFRLS算法辨识建立动力电池等效模型参数;然后利用AEKF对SOC在线估计,并为参数辨识提供准确的开路电压;最后以机器人锂电池包为对象,在动态应力测试工况(dynamic stress test,DST)下实验验证了该算法可以准确地估算动力电池SOC,SOC估计相对误差在2.5%以内。

摘要： 锂离子电池的片段数据估计具有现实的工程意义.以比克H18650CIL型镍钴锰酸锂单体电池为研究对象,建立了二阶RC等效电路模型,设计了锂电池实验并进行了参数辨识.完成了无迹卡尔曼滤波程序的编写,仿真和实验数据对比表明,该模型具有较高的精度.考虑到不同算法的优点,论文还使用灰色理论、BP神经网络等方法进行了锂电池荷电状态估计.在此基础上建立了无迹卡尔曼滤波(UKF)、灰色理论(GM)和神经网络(BPNN)的联合算法,分别以15％、30％和40％的锂电池片段数据作为训练数据,进行了SOC估计结果的比较.数据表明联合算法的估计精度更高.未来还需要对算法进行了更加深入的优化,以便能够在线完成锂电池参数的精准辨识.

摘要： 为了提高应急电源(Emergency Power Supply,EPS)蓄电池的荷电状态(state of charge,SOC)估计精度,提出一种EPS电源蓄电池在线荷电状态估计方法.采用一种参数优化的多核相关向量机(relevance vector machine,RVM)建立EPS蓄电池SOC估计模型,可以实现对EPS荷电状态的实时监测,为蓄电池的充放电管理提供重要依据,保证EPS电源系统的安全稳定运行.

摘要： 液态金属电池是一种满足电网大规模储能要求的新型的大容量储能电池,其荷电状态的准确在线估算是其投入规模应用的重要基础,以此为目的建立了基于扩展卡尔曼滤波器的电池荷电状态在线估算方法.建立了考虑电池自放电因素的等效物理模型.在此基础上,提出一种基于扩展卡尔曼滤波器的电池荷电状态在线估算方法.实验结果表明,在不同的电池工况下和电池荷电状态估算初值设置不同的情况,电池荷电状态的估算值都具有较高的精度.估算值和测量值之间的标准误差和均值误差分别为0.0028和0.0019.该算法可以有效的解决电池初始参数对SOC估算值的影响.

摘要： 可再生清洁资源的开发和应用可以解决能源危机和环境污染问题,为了更好地控制、管理和使用随机性较大的分布式可再生清洁能源,提出了微电网这一概念,而微电网母线电压的控制和电能质量的管理是微电网研究的核心问题之一.目前常见的母线电压控制方法是下垂控制,而传统的下垂控制会导致微电网额定电压突变并且影响电网稳定性.针对这一问题,在传统下垂控制的基础上结合了储能电池的电池荷电状态(state of charge,SoC),提出了一种基于SoC的直流微电网母线电压下垂控制方法.最后进行了仿真实验,验证了所提出的控制方法能实现对直流微电网母线电压的有效控制.

摘要： 研究了输电线路无人机巡检过程中动力电池的放电特性,针对输电线路无人机巡检剩余续航时间难以精确控制的问题,采用引入温度补偿系数和加权系数的锂电池荷电状态计算方法,并结合无人机巡检实时状态,给出了无人机剩余续航时间的预测方法和计算模型.该方法能够实时精确的计算最佳剩余续航时间,极大的提高了无人机巡检的安全性和效率.

摘要： 采用偏差补偿最小二乘递推(RCLS)算法进行参数辨识,为基于模型的电池荷电状态(SOC)估计算法提供准确的电池模型参数.结果表明:在电压存在测量噪声时,基于RCLS算法辨识得到的电池模型参数能够收敛至准确值,并且该算法适用于电池处于不同温度以及不同老化状态的情况;扩展卡尔曼滤波算法结合RCLS算法估计电池SOC是精度相对较高并节省计算时间的方法.

摘要： 针对铅酸蓄电池在工程应用中其荷电状态(SOC)难以准确估计的问题,在分析常用估算方法的基础上,结合常用的电池联合模型,采用扩展卡尔曼滤波法(EKF)对蓄电池SOC进行了实时估计.针对目前文献中普遍使用的定参数电池模型而导致SOC估计误差大甚至不收敛的情况,在不同放电电流条件下对等效模型进行了参数辨识,实际运行中根据不同放电电流动态调整模型参数.仿真试验表明,采用基于动态参数辨识的扩展卡尔曼滤波方法估计出的电池SOC能够准确地跟踪电池的实际SOC,具有较大的实用价值.

摘要： 锂电池荷电状态(SOC)的快速准确估计是磁悬浮心脏泵系统的重要技术之一.针对锂电池这一非线性系统,提出了电池状态模型在不同循环次数、不同温度下的具体改进方法;在安时积分法和无迹卡尔曼滤波算法的基础上提出了两种算法结合的锂电池SOC估计算法及具体实现步骤;最后,分析了这种算法的收敛速度、估计精度以及算法复杂度.实验表明,采用这种复合算法能快速实现磁悬浮心脏泵用锂电池SOC的准确估计,误差在4％左右.算法复杂度低,适合实时在线计算.

摘要： SOC(State of Charge)在电池管理系统、整车控制策略以及驾驶员使用过程中都起着重要的作用.准确的估算SOC是电池管理系统BMS设计中的重要一环,由于初始SOC难以确定,目前普遍采用的安时积分法进行SOC估计精度有待提高.本文采用二阶RC网络作为电池模型,应用扩展卡尔曼滤波法进行SOC估算.在Matlab/Simulink中搭建模型,对该算法进行了台架仿真试验.验证了扩展卡尔曼滤波法可以更加精确地估算SOC,并且具有较强的抗干扰能力.

摘要： SOC(State of Charge)在电池管理系统、整车控制策略以及驾驶员使用过程中都起着重要的作用.准确的估算SOC是电池管理系统BMS设计中的重要一环,由于初始SOC难以确定,目前普遍采用的安时积分法进行SOC估计精度有待提高.本文采用二阶RC网络作为电池模型,应用扩展卡尔曼滤波法进行SOC估算.在Matlab/Simulink中搭建模型,对该算法进行了台架仿真试验.验证了扩展卡尔曼滤波法可以更加精确地估算SOC,并且具有较强的抗干扰能力.

摘要： 本发明提出了一种锂离子电池荷电状态、健康状态与功率状态的联合估计方法，包括在线估计电池的健康状态：采用带遗忘因子的递归最小二乘法在线辨识开路电压以及内阻，并根据预先建立的OCV‑SOC对应关系间接获取荷电状态，再根据两SOC点之间的累计充放电电量估计电池容量的大小；在线估计电池的荷电状态：基于二阶RC等效电路模型，采用卡尔曼滤波算法估计电池的荷电状态，并根据电池容量估计结果更新卡尔曼滤波算法中的电池容量参数；以及在线估计电池的功率状态：根据在线辨识得到的内阻，基于电池本身的电压限制和电流限制，计算最大可充放电电流，再进一步计算得到最大可充放电功率。

摘要： 本发明提供了一种电池的荷电状态的估计方法，包括监视电池的电流；当电流为0时，记录所述电池的端电压；建立与任意连续的两个记录时间分别对应的两个端电压之间的关系模型；利用递推最小二乘法计算得出开路电压；并根据开路电压确定电池的荷电状态。本发明还提供了一种电池组的荷电状态的估计方法，以及利用该些估计方法的电池管理系统、电池以及电动汽车。本发明的方案具有等待时间短、估计精度高、计算复杂度低、应用容易以及无需额外硬件等优点。

摘要： 本申请涉及一种电动车锂电池的荷电状态估算方法与荷电状态估算系统；荷电状态估算方法包括步骤：充放电时实时采集每一节电池的电压；分别进行预设次数的相异倍率的充放电操作获得相异倍率下体现电池电压和荷电状态关系的初始充放电倍率曲线；计算一段时间的电流平均值和电池电压平均值；计算电流平均值位于所属的区间的比例位置；根据比例位置合成当前充放电倍率曲线；得到当前电压对应的表读电池剩余容量，并由电荷积分得到积分电池剩余容量，计算得到误差比例因子，计算当前电池剩余容量。本申请不需要复杂的电池模型，能实时、准确估算出锂电池组特别是三元锂电池组的荷电状态，在锂电池组老化的情况下同样有效。

摘要： 本发明公开了一种可检测荷电状态的充放电装置及荷电状态的检测方法，用于检测锂电池的荷电状态，并对所述锂电池充放电，包括：检测系统，与锂电池连接用于检测所述锂电池的荷电状态，并形成状态信号；电池管理系统，与锂电池连接用于对锂电池进行充点或放电，所述电池管理系统还与所述检测系统连接，并根据所述状态信号启动或停止对所述锂电池充电或放电。本发明的优点和有益效果在于：具有敏感度高，实现简单，成本低等特点，并且能够准确的检测出锂电池的荷电状态，进而更加精准的控制电池管理系统启动或停止对所述锂电池充电或放电，提高了企业的生产效率或检测效率。

摘要： 本发明公开了一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法。本发明基于联合卡尔曼滤波的滑模观测器算法对电池的开路电压(OCV)进行估计，进而实现锂电池三种状态的联合估计。本发明包括：锂电池改进PNGV模型的建立，利用最小二乘法实现模型参数的辨识。利用联合卡尔曼滤波的滑模观测器实时估算电池OCV，并基于建立的改进PNGV模型实现锂电池三种状态的在线估计。基于本发明的锂电池状态估计利用一个算法同时实现了三个锂电池状态量的估计，减少了计算量，同时通过改进的PNGV模型和联合卡尔曼滤波的滑模观测器算法保证了锂电池状态的实时精确估计。

摘要： 本发明提出了一种锂离子电池荷电状态、健康状态与功率状态的联合估计方法，包括在线估计电池的健康状态：采用带遗忘因子的递归最小二乘法在线辨识开路电压以及内阻，并根据预先建立的OCV-SOC对应关系间接获取荷电状态，再根据两SOC点之间的累计充放电电量估计电池容量的大小；在线估计电池的荷电状态：基于二阶RC等效电路模型，采用卡尔曼滤波算法估计电池的荷电状态，并根据电池容量估计结果更新卡尔曼滤波算法中的电池容量参数；以及在线估计电池的功率状态：根据在线辨识得到的内阻，基于电池本身的电压限制和电流限制，计算最大可充放电电流，再进一步计算得到最大可充放电功率。

摘要： 本发明实施例中提供了一种基于状态观测器的锂电池荷电状态估计方法、设备及介质，属于数据处理技术领域，具体包括：步骤1，建立一阶等效电路模型，并辨识一阶等效电路模型中的关键参数；步骤2，利用安时积分法，建立锂电池荷电状态的估计方程；步骤3，构建锂电池荷电状态的状态方程；步骤4，建立近似T‑S模糊模型；步骤5，为鲁棒系数赋值，并计算终端电压的误差；步骤6，对模糊系数对应的估计值进行更新；步骤7，将鲁棒系数、终端电压的误差、估计值代入状态观测器，得到锂电池荷电状态的估计值；步骤8，更新估计值并返回步骤1。通过本发明的方案，提高了适应性和精准度以及提高锂电池在复杂工况下的安全性和工作效率。

摘要： 本发明涉及一种用于确定电池驱动的机器中的电池的荷电状态的方法，包括以下步骤：‑利用老化状态模型基于所述电池的运行参量来确定所述电池的老化状态；‑借助参数模型根据所述老化状态来提供至少一个参考电池模型参数；‑借助相应的校正参量来适配所述至少一个参考电池模型参数，所述校正参量是根据所述电池的瞬时的运行参量借助校正模型确定的；‑使用电池模型，以便根据电池模型参数确定所述电池的当前的荷电状态，所述电池模型参数通过给所述至少一个参考电池模型参数加载相应的所述校正参量而得到；‑通报所述当前的荷电状态。

摘要： 本发明涉及一种用于确定规定电池类型的充电电池(106)的荷电状态(SOC)或与之物理相关的参数、特别是电池所含的剩余电量Q的方法和装置，其中，该方法借助电压控制的电池模型(102)工作，该电池模型针对相关电池(106)或相应电池类型被设置参数。只需测量电池电压Umess并将其作为输入参数提供给电池模型(102)。本发明还涉及一种用于确定电池(102)的健康状态(SOH)的方法和装置，其中，也被用于确定SOC的该电池模型(102)提供模型化的电池电流Imod。由此可以确定在电池(106)的充电和放电阶段中的模型化的电荷量并将其与从测量的电池电流Imess中确定的测量电荷量相比较。因为电池模型(102)不老化，故由此可确定电池的SOH。

摘要： 本发明公开一种并联电池簇状态控制系统及其环流抑制方法、荷电状态均衡方法，该状态控制系统包括多个与电池簇一一对应的母线电容、旁路开关和控制电路，以及一个公共母线电容；各电池簇与母线电容串联作为一个整体；控制电路的输入端与对应的母线电容相连；控制电路的输出端与公共母线电容相连；控制电路可以控制对应的所述母线电容的电压的正负，进而调节对应的所述电池簇的电流。本发明的状态控制系统包括母线电容、控制电路和公共母线电容，可以实现了并联电池簇的环流抑制和荷电状态的均衡控制，并提供该并联电池簇状态控制系统的一种环流抑制方法和荷电状态均衡方法。