超级电容器模型已在 PLECS 工具箱中开发。 为了确定超级电容器的参数，已经进行了实验测试。 研究中使用了 Maxwell Cell BCAP0310 (310 F)。 该模型是动态的，即它反映了超级电容器电压的瞬态。 [1] 中介绍了有关超级电容器模型的更多详细信息。 模型的参数化允许指定具有定义数量的串联或并联电池的超级电容器组。 该模型能够模拟储能的端电压，包括对充电状态和温度的依赖性。 进行的研究允许假设该模型充分反映了以下范围内的超级电容器行为： - 温度 -5°C – 40°C - 电池电压 0.5V – 2.7V 在 PLECS 中无法模拟纯可变电阻器，因此使用电容非常小的电容耦合可变电阻器来模拟串联电阻。 完整版可供获得许可的 PLECS 用户使用。 非授权用户需要免费的 PLECS Viewer - http://www.plexim.com/download/bloc

为能更准确地描述超级电容器在工作过程中的外特性,在超级电容器经典等效电路模型的基础上,将其扩展为模型参数随时间变化的时变等效电路模型,并选用限定记忆最小二乘法辨识模型的时变参数．在Matlab/Simulink环境下利用实验数据对经典等效电路模型和时变等效电路模型进行仿真比较．结果表明,时变等效电路模型具有更高的精度,可以更精确地反映超级电容器的动态特性．

matlab开发-混合动力汽车应用程序的超级电容器和电池电源管理。因德拉尼尔·萨基

详尽的分析了超级电容器串联应用中影响各单体电容器上电压的一致性的原因，对不同的电压均衡的方法及存在的问题，提出使用的电压均衡电路单元，最后给出了实验结果

本文提出了一种基于神经网络（NN）的电力需求预测方法，并提出了纯电动汽车电池/超级电容器混合储能系统的电力分配策略。 为了开发有效的预测模型，首先将驾驶循环分组并区分为三种不同的驾驶模式。 对于每种驾驶模式，可以更好地提取出具有更好驾驶特性的特征参数数据，并将其用于训练NN。 预测信息及其误差相结合，随后用于功率分配。 然后，为了应对电池和超级电容器系统的不同动态，使用了一个分频器，并通过粒子群优化算法进一步优化了它的频率，以使包括每种驱动模式的电池退化和系统能量在内的总成本降至最低。 基于这些努力，最终提出了一种实时预测功率管理控制策略。 为了验证其有效性，已经进行了仿真，以与由五个标准驾驶周期组成的速度曲线下的最新控制策略进行比较。 结果表明，通过提出的控制策略可以明显提高性能。

动力电池超级电容模型锂离子电池 铅酸电池 燃料电池 Simulink模型资料合集,,可以做为你的学习设计参考。

摘  要： 研究了超级电容快速充电方法，分析了恒功率快速充电的原理，并通过比较恒电流和恒功率两种方法，证明了恒功率充电更有利于实现快速充电。根据恒功率充电原理，制作了快速充电样机。实验表明该样机电路稳定，能够实现快速充电要求，具有良好的实用前景。 　　传统蓄电池电源系统的电池记忆效应差、容量下降及充电时间过长是长久以来一直存在的问题，而这些问题可使用超级电容来解决。超级电容是一种极大程度上模拟了电容的电压特性曲线且具有非常高的容值的新型能源器件，目前已有万法拉级的超级电容单体。超级电容无充放电记忆效应，允许上百万次充放电而不会有任何容量上的损失。此外，超级电容具有极低的等效串联电阻（ESR）

超级电容器材料电化学电容特性测试.doc

超级电容储能小车电路设计.png

超级电容储能小车电源电路.png