基于等效电路模型与CDKF的锂离子电池荷电状态(SOC)估计

锂离子电池在社会生产各领域应用广泛,由于其复杂的电化学系统,状态检测难度较大,给供电保障带来不利影响.结合Thevenin等效电路与中心差分卡尔曼滤波法(CDKF),构建了一种聚合物锂离子电池的荷电状态(SOC)估计模型.MATLAB仿真验证表明,该模型能有效防止安时计数误差累积,电池SOC估计误差不超过5%.     

基于扩散动力模型的锂离子蓄电池放电速率与放电容量相关性研究

针对锂离子蓄电池在恒流放电条件下,放电速率与放电容量之间表现出的较复杂的非线性关系,引入了扩散动力模型,建立恒流条件下放电速率与放电容量之间的对应关系。通过实验验证,该模型较传统的经验公式模型Peukert方程预测更精确,同时具有清晰明确的物理意义。     

基于BP神经网络的锂离子电池SOC估计研究

根据恒流放电条件下锂离子电池端电压与荷电状态(SOC)映射关系图像的特点,提出了基于BP神经网络和最速下降法的锂离子电池荷电状态(SOC)估计算法。利用matlab软件编写算法程序,结合实验数据对BP神经网络进行了训练,并将经过训练后的BP神经网络应用于SOC预测。实验结果表明,误差在大部分时候低于10%,基本满足动力电池电荷状态估计的精度要求。