锂电池自放电检测技术的研究与应用

被引:0
作者
刘双全
机构
[1] 哈尔滨理工大学
关键词
锂离子电池; 自放电; Map图形; 卡尔曼滤波;
D O I
暂无
年度学位
2014
学位类型
硕士
导师
摘要
随着全球能源紧缺的加剧,新能源产业悄然兴起,具有较好应用前景的二次电池技术被争相研究。锂离子电池因其本身无污染、比能量高、循环寿命长等特性被广泛应用在各种仪表和电动汽车上作为能源系统。而锂电池自放电现象的存在不仅造成电池本身能量的损失,还会因各电池间自放电的不一致性导致锂电池组寿命减少,容量迅速衰减,引起电池管理系统(BMS)对电池荷电状态(SOC)的预测出现较大误差,电动车控制策略失效,致使电动车电池系统出现过放电的情况。因此,对电池自放电的快速测量具有重要意义。 由于自放电发生在电池内部,现有测量手段不能对其直接检测,这就使电池的自放电检测难度变大。依据自放电定义,通过长时间的开路搁置可以实现对电池自放电的检测,不过时间周期过长,且不能体现快速性和实时性,同时常规方法也不能实现对自放电的精确测量。基于上述问题,本文以间接测量作为指导思想,设计自放电检测系统,以实现对电池自放电的快速、精确测量。系统采用数字控制技术,以MSP430F149单片机为核心控制器,控制DAC1220D/A转换器输出高精度的电压,作为检测电路的基准电压,最终得到该电压时电池的自放电电流。并设计了开路搁置实验和自放电检测系统测量实验,通过实验结果对比,验证本系统具有对于自放电测量的可靠性、精确性和快速性。 在此基础上本文进一步研究了自放电对电池SOC预测的影响,通过建立自放电流Map模型,实现了自放电电流对基于扩展卡尔曼滤波(EKF)算法的电池SOC估算初值的修正。设计模拟工况实验,验证了该修正方法可以提高EKF估算电池SOC的准确度,进而能够改善BMS预测电池SOC的精度。
引用
收藏
页数:59
共 33 条
[1]
电动汽车用镍氢电池剩余电量估计方法研究 [D]. 
武国良 .
哈尔滨工业大学,
2010
[2]
电动汽车锂离子电池组参数辨识与SOC估计 [J].
罗玉涛 ;
谢斌 ;
何小颤 .
华南理工大学学报(自然科学版), 2012, 40 (12) :79-85+177
[3]
森林火灾无线报警器的设计 [J].
徐志成 .
吉林林业科技, 2012, 41 (05) :42-45
[4]
动力电池自放电测量新技术原理与应用 [J].
李革臣 ;
赵旭 ;
杨琳 ;
李然 .
新材料产业, 2012, (09) :75-78
[5]
空间用氢镍蓄电池自放电率研究 [J].
樊红敏 ;
王淼 ;
范梅梅 ;
王树强 ;
檀立新 ;
傅晓晴 .
电源技术, 2012, 36 (08) :1122-1124
[6]
磷酸铁锂动力电池组容量损耗分析 [J].
胡银全 ;
刘和平 ;
张毅 ;
刘楷锋 .
武汉理工大学学报, 2011, 33 (09) :130-134
[7]
磷酸铁锂电池在通信行业节能减排中的应用 [J].
雷毅 .
电信技术, 2011, (03) :30-34
[8]
Modeling the dynamic behavior of a lithium-ion battery for electric vehicles using numerical optimization [J].
胡晓松 ;
孙逢春 ;
邹渊 .
Journal of Beijing Institute of Technology, 2011, 20 (01) :60-64
[9]
Fuzzy Model for Estimation of the State-of-Charge of Lithium-Ion Batteries for Electric Vehicles [J].
胡晓松 ;
孙逢春 ;
程夕明 .
JournalofBeijingInstituteofTechnology, 2010, 19 (04) :416-421
[10]
利用双卡尔曼滤波算法估计电动汽车用锂离子动力电池的内部状态 [J].
戴海峰 ;
孙泽昌 ;
魏学哲 .
机械工程学报, 2009, 45 (06) :95-101