针对锂电池低荷电状态时输出变化大和模型参数辨识困难问题,提出一种基于三次样条插值法的建模与参数辨识方法。首先建立了含SOC动态的三阶3RC-3D等效电路模型,分析了低SOC时应用最小二乘法对不同模型参数进行辨识产生的误差。在此基础...针对锂电池低荷电状态时输出变化大和模型参数辨识困难问题,提出一种基于三次样条插值法的建模与参数辨识方法。首先建立了含SOC动态的三阶3RC-3D等效电路模型,分析了低SOC时应用最小二乘法对不同模型参数进行辨识产生的误差。在此基础上,结合三次样条插值法的拟合特性和合适的边界条件,构造了三次样条插值函数,在SOC≤10%区间进行了模型各参数辨识,并拟合出了模型参数变化曲线。最后,将辨识后的模型参数曲线与混合脉冲功率特性HPPC(Hybrid Pulse Power Characterization)试验的实际测量值进行了对比。从比较结果看,本文所提的辨识方法减小了参数辨识误差,提高了模型精度,验证了在SOC≤10%区间应用三次样条插值法进行锂电池模型参数辨识的有效性。仿真结果表明,基于三次样条插值辨识方法建立的三阶3RC-3D等效电路模型能够高精度地跟踪锂电池输出外特性。展开更多
针对退役锂电池健康状态估计效率较低的现状,提出一种快速、有效的估计方法。首先采用3阶RC等效电路模型描述电池特性得出状态方程,确保电池模型精确性,同时引入电池荷电状态SOC(State of charge)和欧姆内阻(R 0)作为状态方程参数。其...针对退役锂电池健康状态估计效率较低的现状,提出一种快速、有效的估计方法。首先采用3阶RC等效电路模型描述电池特性得出状态方程,确保电池模型精确性,同时引入电池荷电状态SOC(State of charge)和欧姆内阻(R 0)作为状态方程参数。其次利用区域概念,计算出特定的区域容量与区域电压,减少电池参数估计所需要的数据、时间。然后通过扩展卡尔曼滤波(Extended kalman filtering)算法估计电池参数SOC和R 0,进而对电池健康状态(State of health,SOH)进行估计。最后,利用电池测试设备(Arbin-BT2000)对18650电池进行充放电实验,验证该方法的可行性。实验结果证明SOH估计所需参数明显减少,使得电池数据测量所需时间明显缩短,并且估计误差不超过4%,误差较小,说明所提出方法能快速、有效地估算出电池SOH。展开更多
文摘针对锂电池低荷电状态时输出变化大和模型参数辨识困难问题,提出一种基于三次样条插值法的建模与参数辨识方法。首先建立了含SOC动态的三阶3RC-3D等效电路模型,分析了低SOC时应用最小二乘法对不同模型参数进行辨识产生的误差。在此基础上,结合三次样条插值法的拟合特性和合适的边界条件,构造了三次样条插值函数,在SOC≤10%区间进行了模型各参数辨识,并拟合出了模型参数变化曲线。最后,将辨识后的模型参数曲线与混合脉冲功率特性HPPC(Hybrid Pulse Power Characterization)试验的实际测量值进行了对比。从比较结果看,本文所提的辨识方法减小了参数辨识误差,提高了模型精度,验证了在SOC≤10%区间应用三次样条插值法进行锂电池模型参数辨识的有效性。仿真结果表明,基于三次样条插值辨识方法建立的三阶3RC-3D等效电路模型能够高精度地跟踪锂电池输出外特性。
文摘针对退役锂电池健康状态估计效率较低的现状,提出一种快速、有效的估计方法。首先采用3阶RC等效电路模型描述电池特性得出状态方程,确保电池模型精确性,同时引入电池荷电状态SOC(State of charge)和欧姆内阻(R 0)作为状态方程参数。其次利用区域概念,计算出特定的区域容量与区域电压,减少电池参数估计所需要的数据、时间。然后通过扩展卡尔曼滤波(Extended kalman filtering)算法估计电池参数SOC和R 0,进而对电池健康状态(State of health,SOH)进行估计。最后,利用电池测试设备(Arbin-BT2000)对18650电池进行充放电实验,验证该方法的可行性。实验结果证明SOH估计所需参数明显减少,使得电池数据测量所需时间明显缩短,并且估计误差不超过4%,误差较小,说明所提出方法能快速、有效地估算出电池SOH。
