开发新方法更好地衡量充电状态的下一代电动汽车锂电池

磷酸锂离子电池广泛应用在电动汽车动力电池,但是,与气体的数量在一个燃料箱,其电荷状态不能直接测量的物理量。

相反,他们使用一个算法基于测量电池的电压和电流,进而影响的情况,比如天气,electrovoltaic状态和交通状况。然而,目前使用的算法来测量电荷状态每个携带的缺点当用于实时应用程序。

更好的估计在磷酸锂离子电池电荷状态,西南交通大学的研究人员在成都,中国,最近开发了一个算法,可以分别测量电池的充电和放电状态。这允许函数在初始不准确值和电流测量误差、以及区分系列中的每个电池的性能。

根据徐朱,西南交通大学电气工程学院的研究员,动态特性的差异在系列,如电池容量、电池内部电阻和极化电阻,会导致电荷状态变得不平衡,影响电池的效率和寿命。

徐和她的同事们讨论他们改善Thenevin电路模型本周的《可再生能源和可持续能源,每年出版。之前的工作涉及到锂电池管理芯片和管理系统。

电池的电荷状态的初始值通常是开路电压的计算方法,基于电荷状态之间的关系和区别之间的电势时设备的终端断开电路。根据徐,然而,这种关系只能通过实验观察,不可避免的实验误差。此外,她说,这种关系可能转移的充电和放电条件。

传统算法估算电池的电荷状态——安时集成、开路电压法、神经网络建模和卡尔曼滤波——所有携带的缺点。安时积分,而最常用的方法,在很大程度上依赖于初始电荷状态值;开路电压法只能用于估计初始状态的;神经网络建模的地方大量需求一个微处理器来估计多个电荷状态值使用大量的实验数据;卡尔曼滤波,有效地估计时变状态的电流在动态系统中甚至在最初的不正确的价值观,高度依赖于电池模型的准确性。

这可以成为问题在传统的戴维南等效电路模型。在这些模型电路,采用相同的内部和极化电阻,当电池充电和放电。然而在实践中,这些特征最终两种状态之间的明显不同,从而导致不准确,使卡尔曼滤波不太理想。

为了弥补这一点,研究者的改进的戴维南等效电路模型是通过提供不同的电流路径当电池充电或放电。这允许研究人员模型的特点,分别电池在充电和放电条件下,增加能力的卡尔曼滤波器来估计电池的电荷状态在不正确的初始值。

“建议的改进的戴维南等效电路的电池模型和电荷状态估计算法可以更准确地估计电池的电荷状态,没有很多不必要的干扰,”徐说。

徐朱和她的同事们未来的工作包括开发系统来测量电池系统的健康状况,这在当前操作条件是理想性能的百分数表示。

来源:http://www.aip.org/

告诉我们你的想法

你有检查、更新或任何你想添加这个新闻吗?

离开你的反馈
你的评论类型
提交