基于人工智能的锂电池SOC监测技术研究与应用

行业资料-交通装置-一种充换电站监控系统的动力电池SOC估算方法.exe

安时积分法是蓄电池荷电状态估算过程中常用的方法，但是，安时积分法不能估算初始荷电状态，难于准 确测量库伦效率和电池可用容量变化的问题。基于此问题，文章结合传统的开路电压法和负载电压法，对安时积分 法估算蓄电池 SOC 的不足进行补偿，解决了安时积分法的缺陷。能够实时估算电池的荷电状态，并对估算过程中 的不足通过负载电压法进行修正。结果表明，这种算法能得到了比较精确的估算效果。

一种用于确定电池充电状态的方法和装置，包括以下步骤：确定电池是否处于电荷减少、维持或增加模式，对进出电池的电荷进行积分以确定基于电流的充电状态如果电池处于充电增加或维持模式，则进行充电测量，并且如果电池处于充电减少模式，则确定开路电压以确定基于开路的充电测量状态。（纯英文版，只提供一种算法）

利用粒子滤波算法进行锂电池SOC的估计

锂电池荷电状态(SOC)是反映电池使用情况的重要参数之一.在锂电池实际工作过程中,电流传感器测量时的漂移电流会对SOC估计精度造成很大影响.对此,提出一种加入漂移电流的Drift-Ah积分法,建立SOC的噪声组合模型,并采用容积卡尔曼滤波算法(CKF)实现锂电池的SOC估计.最后,对锂电池进行模拟工况实验,仿真结果表明,所提出的估计算法可以有效抑制漂移电流的干扰,精度高且复杂度低.

对于研究电动汽车电池电力优化控制问题，准确地估算电池的荷电状态是一个不可忽视的环节。为了解决安时积分 法不能估计初始荷电状态、难于准确测量库仑效率和电池可用容量变化的问题，提出了用安时积分法与开路电压法相结合， 并分别对安时积分公式中各相关参数进行修正和优化的方法，通过对磷酸铁锂动力电池进行实验，完成了各参数的修正。 仿真与试验的对比结果表明，改进方法可以减小安时积分法估计电池荷电状态时产生的累积误差，达到了电动汽车优化控 制的应用要求

电池技术发展至今，用来估算SOC的方法已经出现了很多种，既有传统的电流积分法、电池内阻法、放电试验法、开路电压法、负载电压法，也有较为创新的Kalman滤波法、模糊逻辑理论法和神经网络法等，各种估算方法都有自己的优缺点，下面对常用的几种SOC方法进行简要介绍：（1）电流积分法 电流积分法也叫安时计量法，是目前在电池管理系统领域中应用较为普遍的SOC估算方法之一，其本质是在电池进行充电或放电时，通过累积充进或放出的电量来估算电池的SOC，同时根据放电率和电池温度对估算出的SOC进行一定的补偿 。如果将电池在充放电初始状态时的SOC值定义为SOCt0，那么t时刻后的电池剩余容量SOC则为： 式中，Q为电池额定容量，n为充放电效率，也叫库仑效率，其值由电池充放电倍率和温度影响系数决定，i为t时刻的电流。与其它SOC估算方法相比，电流积分法相对简单可靠，并且可以动态地估算电池的SOC值，因此被广泛使用。但该方法也存在两方面的局限性：其一，电流积分法需要提前获得电池的初始 SOC 值，并且要对流入或流出电池的电流进行精确采集，才能使估算误差尽可能小；其二，该方法只是以电池的外部特征作为SOC估算

卡尔曼滤波算法计算电池SOC，simulink模型，该模型用于参考

该模型将模拟电池的电压、电流、功率和SOC特性。提交的内容包含6V、12V、24V和48V的模型。该模型是考虑到电池中观察到的各种电压降而开发的。