基于铅酸电池试验的Peukert方程(Peukert equation,PE)提供一个修正电流倍率影响的经验模型。但该模型的试验及应用中,存在混淆电荷损失及剩余电荷量的问题。采用二阶段放电试验方法来建立修正的Peukert模型,即对于每种倍率分别进行两...基于铅酸电池试验的Peukert方程(Peukert equation,PE)提供一个修正电流倍率影响的经验模型。但该模型的试验及应用中,存在混淆电荷损失及剩余电荷量的问题。采用二阶段放电试验方法来建立修正的Peukert模型,即对于每种倍率分别进行两个阶段的恒流放电:特定倍率放电到截至电压—静置—标准倍率放电到截至电压(CC-OC-CC)。依据两个阶段放电的总电荷量(最大可用电荷量)而非第一阶段的电荷量(可用电荷量)去建立修正的Peukert方程(PE3)。该方程(PE3)反映了倍率与电荷损耗(库仑效率)之间的关系,排除了剩余电荷量的影响,更适合于动态工况下的荷电状态(State of charge,SOC)估计。另外磷酸铁锂电池试验表明剩余电荷量与电流倍率的关系规律性更强,更符合Peukert形式的方程(PE2),与铅酸电池Peukert模型的扩散机理一致,故剩余电荷量也可据此估计。展开更多
针对插入式电动车(Plug-in Electric Vehicles,PEV)到停车场电池能量的调度问题,提出了一种云计算环境下的智能调度控制算法。首先,将智能停车场代理商作为服务提供商,并向用户开放许多重要的PEV和停车场数据;然后,考虑用户的请求,根据...针对插入式电动车(Plug-in Electric Vehicles,PEV)到停车场电池能量的调度问题,提出了一种云计算环境下的智能调度控制算法。首先,将智能停车场代理商作为服务提供商,并向用户开放许多重要的PEV和停车场数据;然后,考虑用户的请求,根据PEV的位置和蓄电池电荷状态(SOC)找到最优(距离近、价格优)的停车场;最后,若司机不能接受停车场价格,则利用模糊逻辑预测精确预测PEV蓄电池的SOC,从而找到更合适的停车场。在包含10 000辆PEV、10 000个停车场和10个停车场代理商的数据集进行了仿真实验,仿真结果表明,该算法明显减少了PEV与停车场的交互次数,能够提前根据PEV自身的局限性计算和预测路载需求。相比传统的调度服务算法,该算法可更加有效地管理和控制停车场电池能量。展开更多
In order to improve the estimation accuracy of the battery＇s state of charge（SOC） for the hybrid electric vehicle（HEV）,the SOC estimation algorithm based on advanced wavelet neural network（WNN） is presented.Bas...In order to improve the estimation accuracy of the battery＇s state of charge（SOC） for the hybrid electric vehicle（HEV）,the SOC estimation algorithm based on advanced wavelet neural network（WNN） is presented.Based on advanced WNN,the SOC estimation model of a lithium-ion power battery for the HEV is first established.Then,the convergence of the advanced WNN algorithm is proved by mathematical deduction.Finally,using an adequate data sample of various charging and discharging of HEV batteries,the neural network is trained.The simulation results indicate that the proposed algorithm can effectively decrease the estimation errors of the lithium-ion power battery SOC from the range of ±8% to ±1.5%,compared with the traditional SOC estimation methods.展开更多
文摘基于铅酸电池试验的Peukert方程(Peukert equation,PE)提供一个修正电流倍率影响的经验模型。但该模型的试验及应用中,存在混淆电荷损失及剩余电荷量的问题。采用二阶段放电试验方法来建立修正的Peukert模型,即对于每种倍率分别进行两个阶段的恒流放电:特定倍率放电到截至电压—静置—标准倍率放电到截至电压(CC-OC-CC)。依据两个阶段放电的总电荷量(最大可用电荷量)而非第一阶段的电荷量(可用电荷量)去建立修正的Peukert方程(PE3)。该方程(PE3)反映了倍率与电荷损耗(库仑效率)之间的关系,排除了剩余电荷量的影响,更适合于动态工况下的荷电状态(State of charge,SOC)估计。另外磷酸铁锂电池试验表明剩余电荷量与电流倍率的关系规律性更强,更符合Peukert形式的方程(PE2),与铅酸电池Peukert模型的扩散机理一致,故剩余电荷量也可据此估计。
文摘锂电池作为电动汽车的核心,为电动汽车提供运行能量,它的各项参数状态不仅反映了电池的性能,而且是电动汽车发展的关键。锂电池的能量通常由电池管理系统(Battery Management System,BMS)来控制,并对整个车载电池进行实时监控和优化各项参数指标。该系统精确估算的核心内容就是电池电荷状态(State of Charge,SOC),同时SOC也是整车控制策略的重要依据。本文分析了影响锂离子电池SOC预测值的不同因素,论述了几种典型的锂离子电池SOC预测算法,并对各种算法优缺点进行比较。
文摘针对插入式电动车(Plug-in Electric Vehicles,PEV)到停车场电池能量的调度问题,提出了一种云计算环境下的智能调度控制算法。首先,将智能停车场代理商作为服务提供商,并向用户开放许多重要的PEV和停车场数据;然后,考虑用户的请求,根据PEV的位置和蓄电池电荷状态(SOC)找到最优(距离近、价格优)的停车场;最后,若司机不能接受停车场价格,则利用模糊逻辑预测精确预测PEV蓄电池的SOC,从而找到更合适的停车场。在包含10 000辆PEV、10 000个停车场和10个停车场代理商的数据集进行了仿真实验,仿真结果表明,该算法明显减少了PEV与停车场的交互次数,能够提前根据PEV自身的局限性计算和预测路载需求。相比传统的调度服务算法,该算法可更加有效地管理和控制停车场电池能量。
基金The National Natural Science Foundation of China (No.60904023)
文摘In order to improve the estimation accuracy of the battery＇s state of charge（SOC） for the hybrid electric vehicle（HEV）,the SOC estimation algorithm based on advanced wavelet neural network（WNN） is presented.Based on advanced WNN,the SOC estimation model of a lithium-ion power battery for the HEV is first established.Then,the convergence of the advanced WNN algorithm is proved by mathematical deduction.Finally,using an adequate data sample of various charging and discharging of HEV batteries,the neural network is trained.The simulation results indicate that the proposed algorithm can effectively decrease the estimation errors of the lithium-ion power battery SOC from the range of ±8% to ±1.5%,compared with the traditional SOC estimation methods.
