oalib

OALib Journal期刊

ISSN: 2333-9721

费用：99美元

投稿

时间不限

( 2026 )

( 2025 )

( 2024 )

( 2023 )

自定义范围…

匹配条件： “参数辨识，二阶RC模型，锂电池，荷电状态估计，Parameter Identification” ，找到相关结果约1000条。
列表显示的所有文章，均可免费获取
第1页/共1000条
每页显示 条
锂离子电池模型参数辨识研究
Research on Model Parameter Identification of Lithium Ion Battery  [PDF]
朱启煌, 陈伊韵, 张爽, 舒开鑫, 方宇
Open Journal of Circuits and Systems (OJCS) , 2023, DOI: 10.12677/OJCS.2023.122002
Abstract: 由于汽车工况的变化，汽车动力电池组的结构系数也相应出现了非线性改变。为对此类非线性电池组件实现高效控制，本文选用了二阶RC模型作为电池的等效电路模型，并采用了电池的恒流充放电试验、开路电压和荷电状态的标定试验来获得电池的相关数据，在MATLAB中辨识二阶RC模型的相关参数。该模型利用放电电流、开路电压等物理量，辨识出电池的内部结构参数、荷电状态等特性，方便对电池组进行管理。通过MATLAB/Simulink软件中搭建模型进行仿真，验证了等效电路模型可以精确模拟实际电池。
Due to the change in automobile working conditions, the structure coefficient of automobile power battery pack also appears to nonlinear change. In order to realize efficient control of such nonlinear battery components, this paper chooses the second-order RC model as the equivalent circuit model of the battery, and uses the constant current charge-discharge test of the battery, the calibration test of open circuit voltage and charge state to obtain the relevant data of the battery, and identifies the relevant parameters of the second-order RC model in MATLAB. The model uses discharge current, open circuit voltage and other physical quantities to identify the internal structural parame-ters of the battery, the state of charge and other characteristics, so as to facilitate the management of the battery pack. Through the simulation of the model built in MATLAB/Simulink software, it is verified that the equivalent circuit model can accurately simulate the actual battery.
基于Parameter Estimation Toolbox的锂离子电池参数辨识
Parameter Identification of Li-ion Battery Based on Parameter Estimation Toolbox  [PDF]
韦超毅, 覃小婷, 班璐, 许哲
Advances in Energy and Power Engineering (AEPE) , 2021, DOI: 10.12677/AEPE.2021.93014
Abstract: 近几年迎来锂离子电池的研究热潮，建立可靠的电池模型和进行准确的电池参数辨识是开展电池研究的首要任务。文章以三元锂电池为研究对象，选用兼顾准确度和简易度的二阶RC电池模型，采用MATLAB自带的Parameter Estimation Toolbox对电池模型进行参数辨识。最后在HPPC工况和DST工况下验证了电池模型精准性，证明电池参数辨识具有很好的效果，该辨识方法简单实用，可以广泛用于电池的研究。
In recent years, the research of li-ion battery is booming. The primary task of battery research is to establish a reliable battery model and identify the battery parameters accurately. Taking ternary lithium battery as the research object, the second-order RC battery model with both accuracy and simplicity is selected, and the parameter estimation toolbox of MATLAB is used to identify the pa-rameters of the battery model. Finally, the accuracy of the battery model is verified under HPPC and DST conditions, which proves that the battery parameter identification has a good effect. The identi-fication method is simple and practical, and can be widely used in battery research.
基于变参数模型的锂电池荷电状态观测方法(英文)
Li-ion batteries state-of-charge observation method based on model with variable parameters
许元武,吴肖龙,陈明渊,蒋建华,邓忠华,付晓薇,李曦
控制理论与应用 , 2019, DOI: 10.7641/CTA.2019.80414
Abstract: 锂电池荷电状态（State of Charge, SOC）观测技术作为电池管理系统（Battery Management System,BMS）的关键技术，在维持电池系统设备安全高效运作、延长电池组整体生命周期等方面均起着不可或缺的作用。本文对锂离子电池荷电状态的观测方法进行了研究，基于二阶变参数锂电池模型，设计了一种有效的改善SOC 观测精度的方法。首先，根据SOC 的定义，建立了安时积分估计（Amper-Hour integral estimator, AH），通过引入二阶变参数锂电池模型建立扩展卡尔曼滤波估计器（Extended Kalman Filter estimator, EKF），然后结合Takagi-Sugeno模糊模型原理，设计Takagi-Sugeno和EKF联合估计器（Takagi-Sugeno and Extended Kalman Filter union estimator, TS-EKF）。最后，在Simulink 仿真平台上验证了SOC 观测方法的准确性和实用性。结果表明，本文所设计的Takagi-Sugeno和EKF联合估计器可以提高SOC观测精度。
The observation technology of the battery state of charge (SOC) plays an indispensable role in maintaining the safety and high efficiency of the battery manage system (BMS) and prolonging the battery’s life period etc.. In this paper, the observation method of the Li-ion battery’s SOC is carried on aiming at the current problems of the low precision of the SOC observation results, an accurate and efficient SOC observation method is designed for Li-ion battery based on a 2nd-order RC model with variable parameters. Firstly, the A Amper-Hour (AH) integral estimator is built according to the definition of SOC, and then the Extended Kalman Filter (EKF) estimator is established by introducing the EKF principle; Then, combined with the Takagi-Sugeno fuzzy principle, the TS-EKF union estimator is eventually designed. Finally, the accuracy and the practicability of the SOC observation method with the core technologies are verified based on the simulation platform of Simulink
基于Simulink的电池单体及电池组DP模型参数辨识
Parameter Identification of DP Models for Battery Cells and Battery Packs Based on Simulink  [PDF]
朱嘉晟, 康健强
Advances in Energy and Power Engineering (AEPE) , 2025, DOI: 10.12677/aepe.2025.134020
Abstract: 在新能源汽车与储能领域，锂电池组的精准建模对电池管理至关重要。本文基于Simulink搭建锂电池双极化DP等效电路模型参数辨识框架，实现单体与电池组统一建模。通过结合恒流–静置间歇放电和HPPC测试，解耦辨识开路电压、欧姆内阻与极化参数。实验表明，单体模型动态电压预测误差低于0.3 V，电池组模型误差在5%以内，验证了模型有效性，可为高精度电池组建模及管理系统优化提供理论依据。
In the field of new energy vehicles and energy storage, accurate modelling of lithium-ion battery packs is critical for battery management. This paper establishes a parameter identification framework for lithium-ion battery bipolarization DP equivalent circuit models using Simulink, enabling unified modelling of individual cells and battery packs. By combining constant current-quiescent intermittent discharge and HPPC test, open-circuit voltage, ohmic internal resistance, and polarization parameters are decoupled and identified. Experiments show that the dynamic voltage prediction error of the cell model is less than 0.3 V, and the error of the battery pack model is within 5%, verifying the effectiveness of the model. This provides a theoretical basis for high-precision battery pack modelling and management system optimization.
基于IUPF算法与可变参数电池模型的SOC估计方法
- , 2018, DOI: 10.3969/j.issn.1001-0505.2018.01.009
Abstract: 针对常用电池模型参数固定和适用范围有限的问题,建立受温度和SOC影响的可变参数的Thevenin模型,并利用实验设计(DOE)方法和最小二乘法对模型参数进行辨识.针对系统噪声较大时影响算法估计精度的问题,提出了一种改进的无迹卡尔曼粒子滤波(IUPF)算法.将系统状态噪声和量测噪声两者同时引入到采样点中,对其进行对称采样处理,同时将其引入到算法计算过程中以保证算法的精度.在可变参数Thevenin模型基础上采用的IUPF算法,在保证模型适用范围的同时减小了噪声对系统估计精度的影响.实验及仿真结果表明,基于IUPF算法与可变参数电池模型的SOC估计方法在解决现有电池模型适用范围有限、保证模型精度的同时,在多个温度下对SOC有较高的估算精度.尤其在系统状态噪声、量测噪声影响较大时,算法估算精度有了明显提高,且对由模型参数所带来的扰动具有良好的鲁棒性
基于PNGV模型储能锂电池参数辨识及SOC估算研究
姚俊,李杨,甘屹
- , 2017, DOI: 10.13259/j.cnki.eri.2017.04.002
Abstract: 锂电池因具有比能量高、循环寿命长、对环境无污染等优点，在储能系统中已逐渐得到应用.准确估算锂电池的荷电状态（SOC）可防止电池过充、过放，保障电池安全、充分地使用.为了精确估算储能锂电池SOC，基于PNGV （partnership for a new generation of vehicles）电池等效模型，利用递推最小二乘法（RLS）对模型参数进行在线辨识和实时修正，增强了系统的适应性.结合安时法、开路电压法和PNGV模型，提出了一种实时在线修正SOC算法.根据实验数据，建立了仿真模型，以验算模型和SOC估算算法的精度.仿真结果表明，PNGV模型能真实地模拟电池特性，且能有效地提高SOC估算精度，适合长时间在线估算储能锂电池的SOC
基于改进的粒子群优化扩展卡尔曼滤波算法的锂电池模型参数辨识与荷电状态估计
项宇,马晓军,刘春光,可荣硕,赵梓旭
兵工学报 , 2014, DOI: 10.3969/j.issn.1000-1093.2014.10.021
Abstract: ？为解决锂电池荷电状态（SOC）难以精确估计的问题，提出了基于改进的粒子群优化扩展卡尔曼滤波（IPSO-EKF）算法预测电池SOC。为减小参数非线性特性影响，重新构建了EKF算法电池状态空间方程，以辨识出的电池模型参数为基础，获得SOC最优估计。采用IPSO算法优化EKF算法噪声方差矩阵，解决系统状态误差协方差矩阵和测量噪声协方差矩阵最优解获取难题，进一步提高SOC的估计精度。计算结果表明：IPSO-EKF算法能够精确地辨识电池模型参数和SOC值，并能够很好地修正状态变量初始误差。
基于充电方式的锂电池SOC校准和估计方法
陈宗海,钟良,何耀,张陈斌
控制与决策 , 2014, DOI: 10.13195/j.kzyjc.2013.0468
Abstract: 荷电状态(SOC)是动力锂电池的重要参数.针对安时法估计锂电池SOC存在累积误差,其他估计算法复杂度较高的问题,提出一种工程实用的SOC估计方法.该方法通过分析电池特性并结合安时法,建立了SOC初始值、总容量和累积误差的校准方法.通过建立终端电压与SOC之间的映射关系,利用恒流、恒压不同充电阶段的电池特性,实现了电池系统在一个放电周期内的SOC高精度估计.实验表明,该方法能够使得SOC的估计误差在5%以内.
基于可变温度模型的锂电池 SOC 估计方法
- , 2018, DOI: 10.15938/j.emc.2018.01.007
Abstract: 动力电池的荷电状态( state-of-charge，SOC) 是电动汽车的重要参数之一，而准确的电池模型是提高 SOC 估算精度的前提。温度对电池相关参数的影响是目前研究的热点，然而现有的电池模型难以适应连续变化的温度环境，且测试工作量大。基于 Nernst 电化学方程，提出了一种新型的电池建模方法，运用统计学原理，通过测量较少的数据得到较为精确的电池模型，相关参数能够用包括连续变化的温度等多因素进行拟合。通过在不同温度环境下模拟电动汽车实际工况，对锂电池进行放电实验，通过试验设计的方法建立电池模型，结合扩展卡尔曼滤波算法实现对锂电池SOC 的动态估计，仿真和实验结果验证了所提方法的优越性
基于环境变量建模的锂电池SOC估计方法
- , 2017, DOI: 10.3969/j.issn.1001-0505.2017.02.018
Abstract: 通过对不同温度和锂电池荷电状态(SOC)下电池内部参数测定和评估,分析了影响参数变化的环境因素,建立了可变参数的锂电池Thevenin模型.讨论了模型的分段依据以及相关参数的测定和拟合方法,并采用扩展卡尔曼滤波算法(EKF)对锂电池SOC进行估算,给出了基于温度修正的改进SOC估计方法.所提出的电池模型解决了现有算法中模型适用范围局限性的问题,仿真和实验结果表明,所建立的基于锂电池Thevenin模型的SOC估计方法在较宽的温度范围内都能够获得较高的估算精度
第1页/共1000条
每页显示 条


Home
Copyright © 2008-2020 Open Access Library. All rights reserved.