锂离子电池管理系统及主动均衡策略研究

这是一篇关于电池管理系统,SOC估计,主动均衡策略,物联网的论文, 主要内容为锂离子电池因其效率高、响应快等优点发展迅速,然而锂离子电池特性较为复杂,工作时可能会出现各种各样的故障问题,尤其是在大型储能电站中,成千上万个电池组成大型电池箱,当单体电池出现问题时将会很快蔓延至其余电池,造成更严重的事故。因此研究锂离子电池储能电站管理系统与能量均衡策略对储能电站的安全高效运行意义重大。本文针对于电池管理系统参数采集不足、布线困难等问题开展相关研究,设计了电池管理系统,实现了电池的多参数采集与远程无线传输;针对于电池电流超限问题进行了研究,提出了分层模型预测控制均衡策略,实现了电池的安全快速均衡。本文的主要研究内容如下:(1)设计电池管理系统总体方案。分析了电池管理系统主要功能,分析不同方法的优缺点,给出本文所设计的电池管理系统的总体设计方案。(2)针对于安时积分法估算SOC(State of Charge)时的缺点,在设计算法时,考虑到锂离子电池在不同充放电速率下的库伦效率影响,对不同充放电速率下的锂离子电池进行了测试,得出了不同充放电速率下锂离子电池的修正系数;针对于锂离子电池老化时的容量损失,进行试验,确定电池容量与循环次数之间的关系,作为修正系数提高估算精度;为了实现初始SOC的测量,进行了充放电SOC-OCV标定,取其平均值,降低滞回电压的影响。(3)针对于目前主动均衡策略导致的电池工作电流超出限制,导致电池严重发热、寿命降低等问题,采用多层电感均衡电路,根据电路特点将电池组中的电池分成不同的模块,并建立相关模型。基于所建立的模型和均衡系统的约束条件,提出了分层模型预测控制均衡策略,利用粒子群算法逐层计算电池模块的均衡电流,降低了计算过程中的复杂度,实现均衡时电池工作电流的控制,保证了锂离子电池的正常工作,降低了电池的发热与寿命损失,并提高了电池组的均衡速度,实现了锂离子电池的安全快速均衡。(4)针对目前锂离子电池管理系统参数采集不足、布线困难等问题,研究并设计电池管理系统,实现电池运行过程中的多参数采集,并利用Zig Bee、NB-Io T(Narrow Band Internet of Things)等技术实现数据的无线传输,降低了布线难度与检修难度,通过与设计的上位机配合,实现了电池参数的可视化,提高了储能电站的安全性。(5)进行了系统的功能验证与测试。按照功能要求对设计的锂离子电池管理系统进行测试,测试结果表明所设计系统能够实现电池运行过程中数据的监测、数据传输、故障预警等功能。

锂离子电池荷电状态和健康状态估计方法研究

这是一篇关于锂离子电池,改进粒子滤波,SOC估计,SOH估计,联合估计的论文, 主要内容为近年来,新能源行业的迅猛发展使得传统化石能源短缺问题和环境污染问题在一定程度上有所缓解,有助于实现经济的可持续发展。锂离子电池因其特有的性能优势被广泛应用于储能电源系统和新能源汽车中,但其安全问题仍是制约当前发展的主要因素,荷电状态(State of Charge,SOC)和健康状态(State of Health,SOH)的准确估计对电池的安全管理有着重要意义,因而成为当前的研究热点,本文则针对锂离子电池的SOC和SOH估计展开研究。本文基于锂离子电池二阶RC等效电路模型进行建模分析,对比分析了递推最小二乘法(Recursive Least Square,RLS)和变遗忘因子递推最小二乘法(Variable Forgetting Factor Recursive Least Square,VFFRLS)两种参数辨识算法,结果表明VFFRLS有着更高的参数辨识精度。其次在SOC估计方面,针对传统的扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法存在线性化误差、初始SOC不正确时收敛速度较慢等问题,本文设计了一种改进的粒子滤波(Particle Filter,PF)来进行解决,改进的PF是将莱维(levy)飞行策略引入PF,代替其原有的重采样过程。通过在不同工况下进行仿真验证,结果表明在不同初始SOC下SOC估计结果均能快速收敛至SOC真实值附近。针对SOH估计,选择EKF算法进行电池容量估计,仿真结果表明在容量初始值未知的情况下均能得到准确的容量估计结果。另外,针对SOC和SOH联合估计,本文首先进行了单时间尺度下的联合估计;其次将电池参数和容量在一段时间内波动较小的量归为宏观时间尺度下的参数,将SOC归为微观时间尺度下的参数,进行多时间尺度下的SOC和SOH联合估计。结果表明单时间尺度和多时间尺度下的联合估计在误差相当的情况下,多时间尺度联合估计运算量小,实时性更高。最后,搭建了含储能锂离子电池的双向DC-DC微电网实验平台,针对直流母线电压波动,通过控制锂离子电池充放电来稳定母线电压。在此工况下,对电池进行单时间尺度和多时间尺度下的参数辨识、SOC和SOH的实时在线联合估计。实验结果验证了所设计参数辨识以及状态估计算法的有效性和可行性。

锂离子电池管理系统及主动均衡策略研究

这是一篇关于电池管理系统,SOC估计,主动均衡策略,物联网的论文, 主要内容为锂离子电池因其效率高、响应快等优点发展迅速,然而锂离子电池特性较为复杂,工作时可能会出现各种各样的故障问题,尤其是在大型储能电站中,成千上万个电池组成大型电池箱,当单体电池出现问题时将会很快蔓延至其余电池,造成更严重的事故。因此研究锂离子电池储能电站管理系统与能量均衡策略对储能电站的安全高效运行意义重大。本文针对于电池管理系统参数采集不足、布线困难等问题开展相关研究,设计了电池管理系统,实现了电池的多参数采集与远程无线传输;针对于电池电流超限问题进行了研究,提出了分层模型预测控制均衡策略,实现了电池的安全快速均衡。本文的主要研究内容如下:(1)设计电池管理系统总体方案。分析了电池管理系统主要功能,分析不同方法的优缺点,给出本文所设计的电池管理系统的总体设计方案。(2)针对于安时积分法估算SOC(State of Charge)时的缺点,在设计算法时,考虑到锂离子电池在不同充放电速率下的库伦效率影响,对不同充放电速率下的锂离子电池进行了测试,得出了不同充放电速率下锂离子电池的修正系数;针对于锂离子电池老化时的容量损失,进行试验,确定电池容量与循环次数之间的关系,作为修正系数提高估算精度;为了实现初始SOC的测量,进行了充放电SOC-OCV标定,取其平均值,降低滞回电压的影响。(3)针对于目前主动均衡策略导致的电池工作电流超出限制,导致电池严重发热、寿命降低等问题,采用多层电感均衡电路,根据电路特点将电池组中的电池分成不同的模块,并建立相关模型。基于所建立的模型和均衡系统的约束条件,提出了分层模型预测控制均衡策略,利用粒子群算法逐层计算电池模块的均衡电流,降低了计算过程中的复杂度,实现均衡时电池工作电流的控制,保证了锂离子电池的正常工作,降低了电池的发热与寿命损失,并提高了电池组的均衡速度,实现了锂离子电池的安全快速均衡。(4)针对目前锂离子电池管理系统参数采集不足、布线困难等问题,研究并设计电池管理系统,实现电池运行过程中的多参数采集,并利用Zig Bee、NB-Io T(Narrow Band Internet of Things)等技术实现数据的无线传输,降低了布线难度与检修难度,通过与设计的上位机配合,实现了电池参数的可视化,提高了储能电站的安全性。(5)进行了系统的功能验证与测试。按照功能要求对设计的锂离子电池管理系统进行测试,测试结果表明所设计系统能够实现电池运行过程中数据的监测、数据传输、故障预警等功能。

时效驱动的梯次电池状态评估系统的研究与实现

这是一篇关于梯次电池,SOC估计,迁移学习,电池状态评估的论文, 主要内容为随着新能源汽车产业的高速发展,梯次电池,即退役车用锂离子电池的消纳问题日趋严重。目前业内已有将梯次电池应用于通信基站备电储能场景的尝试。相较于全新电池,梯次电池稳定性更差,不同梯次电池间放电性质差异更大,因此在梯次电池再利用时对梯次电池的各项指标的评估时效性要求往往更高。为了解决梯次电池的再利用问题,本文设计了时效驱动的梯次电池状态评估系统,从系统架构设计和状态估计方法两方面保证“时效驱动”。在系统架构设计方面,该系统基于边缘计算和云计算技术,构建了梯次电池状态评估体系,将存储能力和运算能力下放到边缘网关中,规避云边通信时延,保证了数据采集、数据运算、状态评估和电池控制的时效性。在状态估计方法方面,为了更精确的完成梯次电池荷电状态(SOC/State of Charge)估计,本文提出了一种基于迁移学习的梯次电池SOC估计方法。该方法包含一种基于迁移学习的梯次电池SOC估计框架和一种含有注意力机制的门控循环单元(AGRU/Attention Gate Recurrent Unit)。该方法可降低模型训练所需数据量和算力,从而减少训练数据积累所需时间。该方法能直接应用于边缘网关中,从而快速完成梯次电池SOC估计模型的训练。经过实验验证,相较于使用普通“预训练-微调”迁移学习方式迁移LSTM、GRU模型的方法,本文提出的基于迁移学习的梯次电池SOC估计方法训练时所需训练数据规模和所需设备算力更小、所用训练时间更短且SOC估计结果更加准确。本文首先介绍了时效驱动的梯次电池状态评估系统的研究背景和相关技术;而后基于对业内多款电池评估管理系统的调研,结合梯次电池特性,分析了梯次电池状态评估系统的需求;随后提出了基于迁移学习的梯次电池SOC估计方法并进行实验;接着详细介绍了时效驱动的梯次电池状态评估系统的设计,包含中心管理平台和边缘网关的总体架构设计和各组件设计;进而详细阐述了评估系统各组件的实现;最后则通过一系列的功能测试验证了系统的可用性。

融合主被动均衡控制的动力电池BMS实现

这是一篇关于动力电池,电池管理系统,SOC估计,电池均衡的论文, 主要内容为动力电池组的不均衡问题,严重影响电池的安全运行和使用效率。传统的均衡技术存在均衡速度慢、均衡效率低的问题。针对此问题,本文依托陕西省重点研发计划重点产业创新链项目(2019ZDLGY15-04-02),提出了基于双向桥式变换器的主被动均衡融合拓扑,设计并实现了相应的电池管理系统。论文的具体内容如下:(1)研究分析已有锂电池模型和SOC估计方法,在总结对比其优缺点基础上,选用二阶RC等效电路模型进行建模;采用带遗忘因子的递推最小二乘法对模型参数进行在线参数辨识;选取自适应无迹卡尔曼滤波法作为电池管理系统的SOC估计方法。(2)针对传统Buck-Boost均衡电路只能对相邻单体电池进行均衡,均衡速度慢、效率低的问题,设计基于双向桥式变换器的均衡电路拓扑结构,实现电池组中任意单体电池间的能量传递,提升了均衡速度和均衡效率;为了减少均衡过程中开关器件损耗,增加开关电阻分流被动均衡辅助电路;采用模糊PID算法设计均衡控制策略,实现对均衡电流动态变化的精准控制。(3)设计并实现了电池管理系统软硬件,搭建电池管理系统测试平台并对其进行性能测试。实验结果表明,电池管理系统的电池电流、温度、总电压、单体电池电压采集精度和SOC估计精度等指标满足设计要求。通过静置均衡、充放电均衡实验验证了系统的均衡功能,经过电池管理系统的均衡控制,电池不一致性得到了较好地改善。

锂离子电池荷电状态和健康状态估计方法研究

这是一篇关于锂离子电池,改进粒子滤波,SOC估计,SOH估计,联合估计的论文, 主要内容为近年来,新能源行业的迅猛发展使得传统化石能源短缺问题和环境污染问题在一定程度上有所缓解,有助于实现经济的可持续发展。锂离子电池因其特有的性能优势被广泛应用于储能电源系统和新能源汽车中,但其安全问题仍是制约当前发展的主要因素,荷电状态(State of Charge,SOC)和健康状态(State of Health,SOH)的准确估计对电池的安全管理有着重要意义,因而成为当前的研究热点,本文则针对锂离子电池的SOC和SOH估计展开研究。本文基于锂离子电池二阶RC等效电路模型进行建模分析,对比分析了递推最小二乘法(Recursive Least Square,RLS)和变遗忘因子递推最小二乘法(Variable Forgetting Factor Recursive Least Square,VFFRLS)两种参数辨识算法,结果表明VFFRLS有着更高的参数辨识精度。其次在SOC估计方面,针对传统的扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法存在线性化误差、初始SOC不正确时收敛速度较慢等问题,本文设计了一种改进的粒子滤波(Particle Filter,PF)来进行解决,改进的PF是将莱维(levy)飞行策略引入PF,代替其原有的重采样过程。通过在不同工况下进行仿真验证,结果表明在不同初始SOC下SOC估计结果均能快速收敛至SOC真实值附近。针对SOH估计,选择EKF算法进行电池容量估计,仿真结果表明在容量初始值未知的情况下均能得到准确的容量估计结果。另外,针对SOC和SOH联合估计,本文首先进行了单时间尺度下的联合估计;其次将电池参数和容量在一段时间内波动较小的量归为宏观时间尺度下的参数,将SOC归为微观时间尺度下的参数,进行多时间尺度下的SOC和SOH联合估计。结果表明单时间尺度和多时间尺度下的联合估计在误差相当的情况下,多时间尺度联合估计运算量小,实时性更高。最后,搭建了含储能锂离子电池的双向DC-DC微电网实验平台,针对直流母线电压波动,通过控制锂离子电池充放电来稳定母线电压。在此工况下,对电池进行单时间尺度和多时间尺度下的参数辨识、SOC和SOH的实时在线联合估计。实验结果验证了所设计参数辨识以及状态估计算法的有效性和可行性。

电动汽车锂离子电池参数辨识与荷电状态估计研究

这是一篇关于锂离子电池,等效电路模型,在线参数辨识,SOC估计,容积卡尔曼滤波的论文, 主要内容为随着能源短缺和环境污染问题的日益严重,新能源汽车尤其是电动汽车迎来了前所未有的发展机遇。电池管理系统是电动汽车最核心的技术之一,精确的电池SOC估计对于电池管理系统至关重要。本文以18650三元锂离子电池为研究对象,以提高电池SOC估计精度为出发点,进行了以下研究:首先,分析了锂离子电池工作原理和关键性能参数,通过电压、容量和内阻等特性测试实验对电池的动态特性进行了分析。对比分析了常用的四种等效电路模型后选用二阶RC模型作为本文所用锂离子电池的等效电路模型。对电池进行HPPC测试,通过指数拟合的方法离线辨识得到了模型参数,并在MATLAB/Simulink中验证了所建立的二阶RC模型的有效性。其次,针对在不确定性噪声环境下传统最小二乘法参数辨识精度不高的问题,提出带遗忘因子的偏差补偿递推最小二乘法进行在线参数辨识,并以电池端电压为观测值对其辨识精度进行了验证。在实现参数辨识的基础上,采用扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)和容积卡尔曼滤波(CKF)三种滤波算法分别进行SOC估计,并对三种算法的精度进行对比,结果表明基于CKF算法的估计精度最优。针对CKF算法系统噪声无法自适应更新和协方差矩阵易失去正定性可能导致算法中止的问题,将Sage-Husa自适应滤波算法和奇异值分解的方法引入其中,采用基于奇异值分解的自适应容积卡尔曼滤波算法进行电池SOC估计,提高了估计精度。最后,将带遗忘因子的偏差补偿递推最小二乘法与基于奇异值分解的自适应容积卡尔曼滤波算法相结合,实现了电池模型参数和SOC的联合估计,进一步提高了估计精度。基于现有电池测试平台,搭建了算法硬件验证平台,对电池电压、电流采集等系统的软硬件进行了设计。结果表明,本文所提算法的硬件验证结果与仿真结果相一致,能够实现SOC的精确估计,证明了算法在嵌入式设备中的可行性和精确性。

基于负极电阻实时监测的锂离子电池SOC估计方法研究

这是一篇关于锂离子电池,内部传感,负极电阻,数据驱动,SOC估计的论文, 主要内容为随着消费电子产品的普及以及交通电气化的发展,锂离子电池作为最受欢迎的化学电池之一也迎来了前所未有的发展机遇。然而,受限于电芯材料与生产制造工艺,锂离子电池产品品控难以保障绝对的一致性,进而影响电池系统的服役寿命及安全可靠性。为了使电池系统能够安全高效的运行,需要电池管理系统(Battery Management System,BMS)对其采取诸如荷电状态(State of Charge,SOC)估计、电量均衡等管理控制手段。而SOC估计作为BMS最核心的功能之一,其估计精度将直接决定锂离子电池能否安全高效运行。在现有的SOC估计方法中,由于缺乏与SOC强相关的内部参数的传感手段,大部分方法都是通过电流、电压等外部参数来估计SOC。与外部参数相比,内部参数更能反应电池的真实状态,利用电池的内部参数进行SOC估计有望取得更高的估计精度。针对上述问题,考虑到在锂离子电池充放电过程中,随着负极嵌锂量的变化,负极电阻也会规律性的变化。本文开发了一种可实时测量负极电阻的内部传感电池,并提出了一种基于该电池及数据驱动模型的SOC估计新途径,将实时测量的负极电阻作为数据驱动模型的一个新的输入特征,显著的提升了SOC估计精度。首先,本文设计出了可测量负极电阻软包电池的结构,并通过模拟仿真与电池循环实验,优化了传感极耳的位置与宽度,减小传感极耳对电池循环性能的影响。进一步,基于Arbin电池测试系统,搭建了可测量负极电阻电池的数据采集平台,通过实测的电池负极电阻数据,证明了以石墨-钴酸锂材料体系制作的可测量负极电阻电池可以较为稳定的测量出负极电阻,且拟合出的负极电阻与SOC的曲线说明负极电阻与SOC之间具有强相关性。此外,本文通过循环与倍率实验,对比了可测量负极电阻电池与常规电池的循环倍率性能,可测量负极电阻电池在循环100圈后容量保持率为88.13%,相较于常规电池降低了6.58%;在0.5、1、2 C放电时的放电容量保持率相对于0.2C的放电容量分别为98.54%、93.02%、87.27%,表明可测量负极电阻电池与常规电池的电化学性能相近。最后,本文通过集成决策树、支持向量机、循环神经网络三类数据驱动模型,全方位的对比验证了,在输入特征中加入负极电阻特征的模型具有更高的SOC预测精度,且所有模型的SOC预测结果的均方根误差均降低1%以上。以上结果表明,基于负极电阻实时监测的SOC估计方法,具有良好的应用前景与研究意义。

锂离子电池管理系统及主动均衡策略研究

这是一篇关于电池管理系统,SOC估计,主动均衡策略,物联网的论文, 主要内容为锂离子电池因其效率高、响应快等优点发展迅速,然而锂离子电池特性较为复杂,工作时可能会出现各种各样的故障问题,尤其是在大型储能电站中,成千上万个电池组成大型电池箱,当单体电池出现问题时将会很快蔓延至其余电池,造成更严重的事故。因此研究锂离子电池储能电站管理系统与能量均衡策略对储能电站的安全高效运行意义重大。本文针对于电池管理系统参数采集不足、布线困难等问题开展相关研究,设计了电池管理系统,实现了电池的多参数采集与远程无线传输;针对于电池电流超限问题进行了研究,提出了分层模型预测控制均衡策略,实现了电池的安全快速均衡。本文的主要研究内容如下:(1)设计电池管理系统总体方案。分析了电池管理系统主要功能,分析不同方法的优缺点,给出本文所设计的电池管理系统的总体设计方案。(2)针对于安时积分法估算SOC(State of Charge)时的缺点,在设计算法时,考虑到锂离子电池在不同充放电速率下的库伦效率影响,对不同充放电速率下的锂离子电池进行了测试,得出了不同充放电速率下锂离子电池的修正系数;针对于锂离子电池老化时的容量损失,进行试验,确定电池容量与循环次数之间的关系,作为修正系数提高估算精度;为了实现初始SOC的测量,进行了充放电SOC-OCV标定,取其平均值,降低滞回电压的影响。(3)针对于目前主动均衡策略导致的电池工作电流超出限制,导致电池严重发热、寿命降低等问题,采用多层电感均衡电路,根据电路特点将电池组中的电池分成不同的模块,并建立相关模型。基于所建立的模型和均衡系统的约束条件,提出了分层模型预测控制均衡策略,利用粒子群算法逐层计算电池模块的均衡电流,降低了计算过程中的复杂度,实现均衡时电池工作电流的控制,保证了锂离子电池的正常工作,降低了电池的发热与寿命损失,并提高了电池组的均衡速度,实现了锂离子电池的安全快速均衡。(4)针对目前锂离子电池管理系统参数采集不足、布线困难等问题,研究并设计电池管理系统,实现电池运行过程中的多参数采集,并利用Zig Bee、NB-Io T(Narrow Band Internet of Things)等技术实现数据的无线传输,降低了布线难度与检修难度,通过与设计的上位机配合,实现了电池参数的可视化,提高了储能电站的安全性。(5)进行了系统的功能验证与测试。按照功能要求对设计的锂离子电池管理系统进行测试,测试结果表明所设计系统能够实现电池运行过程中数据的监测、数据传输、故障预警等功能。

融合主被动均衡控制的动力电池BMS实现

这是一篇关于动力电池,电池管理系统,SOC估计,电池均衡的论文, 主要内容为动力电池组的不均衡问题,严重影响电池的安全运行和使用效率。传统的均衡技术存在均衡速度慢、均衡效率低的问题。针对此问题,本文依托陕西省重点研发计划重点产业创新链项目(2019ZDLGY15-04-02),提出了基于双向桥式变换器的主被动均衡融合拓扑,设计并实现了相应的电池管理系统。论文的具体内容如下:(1)研究分析已有锂电池模型和SOC估计方法,在总结对比其优缺点基础上,选用二阶RC等效电路模型进行建模;采用带遗忘因子的递推最小二乘法对模型参数进行在线参数辨识;选取自适应无迹卡尔曼滤波法作为电池管理系统的SOC估计方法。(2)针对传统Buck-Boost均衡电路只能对相邻单体电池进行均衡,均衡速度慢、效率低的问题,设计基于双向桥式变换器的均衡电路拓扑结构,实现电池组中任意单体电池间的能量传递,提升了均衡速度和均衡效率;为了减少均衡过程中开关器件损耗,增加开关电阻分流被动均衡辅助电路;采用模糊PID算法设计均衡控制策略,实现对均衡电流动态变化的精准控制。(3)设计并实现了电池管理系统软硬件,搭建电池管理系统测试平台并对其进行性能测试。实验结果表明,电池管理系统的电池电流、温度、总电压、单体电池电压采集精度和SOC估计精度等指标满足设计要求。通过静置均衡、充放电均衡实验验证了系统的均衡功能,经过电池管理系统的均衡控制,电池不一致性得到了较好地改善。