车用动力电池二阶RC建模及参数辨识

被引：51

作者：

罗勇 ^{[1
,2
,3
]}

赵小帅 ^{[2
]}

祁朋伟 ^{[2
]}

刘增玥 ^{[3
]}

邓涛 ^{[3
]}

李沛然 ^{[1
]}

机构：

[1] 中国汽车工程研究院股份有限公司汽车噪声振动和安全技术国家重点实验室

[2] 重庆理工大学汽车零部件先进制造技术教育部重点实验室

[3] 重庆青山工业有限责任公司

来源：

储能科学与技术 | 2019年 / 8卷 / 04期

关键词：

新能源汽车; 电池管理系统; 参数辨识; 二阶RC模型;

D O I：

暂无

中图分类号：

TM912 [蓄电池];

学科分类号：

080802 [电力系统及其自动化];

摘要：

建立精确的动力电池模型是电池管理系统(battery management system, BMS)开发过程中的重要环节,电池系统具有较强的非线性特性,其模型参数随多种因素的变化而变化。在电池模型参数辨识过程中,考虑的可变因素越多,辨识结果越准确,但模型的运行速度将降低,影响其实际应用。在各种可变因素中,电池荷电状态(state of charge, SOC)对电池模型参数的影响最为显著,对不同SOC下电池模型参数进行辨识并应用于电池模型,将在提高模型精度的同时保持较好的实时性。本文以动力锂电池为对象,采用二阶RC等效电路模型,通过试验得到电池组在不同SOC下的回弹电压数据,采用最小二乘拟合法辨识不同SOC状态下的模型参数。在此基础上搭建模型参数随SOC变化的实时仿真模型,并对模型进行仿真和试验验证,结果表明模型具有较高的精度和实时性。

引用

页码：738 / 744

页数：7

共 13 条

[1]

Statistical inference in a redesigned Radial Basis Function neural network [J].

Praga-Alejo, Rolando J. ;

Gonzalez-Gonzalez, David S. ;

Cantu-Sifuentes, Mario ;

Perez-Villanueva, Pedro ;

Torres-Trevino, Luis M. ;

Flores-Hermosillo, Bernardo D. .

ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2013, 26 (08) :1881-1891

[2]

Robustness analysis of State-of-Charge estimation methods for two types of Li-ion batteries.[J].Xiaosong Hu;Shengbo Li;Huei Peng;Fengchun Sun.Journal of Power Sources.2012,

[3]

Mechanical–electrochemical modeling of Li-ion battery designed for an electric scooter.[J].Siddique A. Khateeb;Mohammed M. Farid;J. Robert Selman;Said Al-Hallaj.Journal of Power Sources.2005, 1

[4]

Fuzzy logic modelling of state-of-charge and available capacity of nickel/metal hydride batteries [J].