限于单体的功率和能量,电池组必须由成百上千的单体串并联而成,同时依赖于有效的电池管理技术,从而保证车辆行驶的动力性和经济性。然而制造误差和使用环境的不同导致电池单体存在不一致性,这使得准确估计所有单体电池荷电状态(State of...限于单体的功率和能量,电池组必须由成百上千的单体串并联而成,同时依赖于有效的电池管理技术,从而保证车辆行驶的动力性和经济性。然而制造误差和使用环境的不同导致电池单体存在不一致性,这使得准确估计所有单体电池荷电状态(State of charge,SOC)变得困难,从而导致电池发生过充和过放。因此,融合电池组模型和聚类算法,提出一种新的锂离子电池组SOC不一致估计方法,在保证精度的同时极大地降低计算复杂度。基于充电数据特征利用二分k-means算法将众多单体分为不同等级,减小需要考虑的对象;建立考虑参数不一致的电池组模型,用于估计单体SOC;从仿真数据和实车数据两方面验证估计结果的精度和计算复杂度,并与现有模型对比,结果表明所提方法单体SOC估计的误差在0.03以内,计算效率提高3~6倍。展开更多
文摘限于单体的功率和能量,电池组必须由成百上千的单体串并联而成,同时依赖于有效的电池管理技术,从而保证车辆行驶的动力性和经济性。然而制造误差和使用环境的不同导致电池单体存在不一致性,这使得准确估计所有单体电池荷电状态(State of charge,SOC)变得困难,从而导致电池发生过充和过放。因此,融合电池组模型和聚类算法,提出一种新的锂离子电池组SOC不一致估计方法,在保证精度的同时极大地降低计算复杂度。基于充电数据特征利用二分k-means算法将众多单体分为不同等级,减小需要考虑的对象;建立考虑参数不一致的电池组模型,用于估计单体SOC;从仿真数据和实车数据两方面验证估计结果的精度和计算复杂度,并与现有模型对比,结果表明所提方法单体SOC估计的误差在0.03以内,计算效率提高3~6倍。
