研究者开发确定电池剩余电量新方式

北卡罗来纳州立大学研究者开发出新技术,使用户能够更好地实时判定电池剩余电量电动车辆驱动器的好消息, 因为这能让他们更好地了解他们的车何时会用光果汁

研究对电池开发商也是好消息提高精度还让我们深入了解电池动态, 开发技术提高电池管理效率Mo-Yuen周,NC州电机学教授不仅延长电池内电荷使用寿命,还扩展电池本身功能性使用寿命

目前很难判断电池剩余电量现有计算机模型估计剩余电量不甚精确偏差部分出自变量数,必须插入模型举例说 电池保电容量随使用下降 电池历史即成因其他因素包括温度和电池充电率等

现有模型只允许将这些变量数据插入模型一次因为这些变量 — — 如温度 — — 变化不定,模型会变得越来越不精确。

研究者开发出软件识别并处理数据,实时更新计算机模型,使模型能更精确估计电池剩余电量技术专为插件电车电池开发,方法也适用于电池在任何其他应用中的使用

模型使用新技术估计剩余电量5%换句话说,如果使用新技术模型估计电池电量为48%,则实际电量介于43%至53%之间(5%高于或低于估计值)。

报社适配参数识别和代理状态估计将提交蒙特利尔IEE工业电子学会第三十八届年会25-28论文主编Habiballah Rahimi-Eichi博士NC州立大学学生研究得到了国家科学基金会的支持,该基金会与设在NC州的未来可再生能源提供和管理工程研究中心协作。

机手-

编辑器注解 :表达式摘要附后

适应参数识别和代理状态估计 Lithium-Ion电池

作者类北卡罗来纳州立大学Me-Yuen Chow

显示式:Oct25-28,38IEE工业电子学会年会,加拿大蒙特利尔

抽象性 :电荷状态估计是电池的基本需要,电池是电动车辆和智能网格中最重要的能量存储关于这些应用,SOC估计算法预计准确易实现本文先考虑电阻电容电路等值模型后,开路电压与SOC的非线性关系在从实验测试中取取的查表中描述。假设分片直线性VOC-SOC小步计算参数识别技术应用到实流电量数据中估计并更新电池每步参数后为持续更新模型设计缩序线性观察器,估计SOC为电池系统状态设计观察者时,Coulomb计数和VOC算法之混合与自适应参数更新法并发,提高精度小于5%误差本文还调查SOC估计误差与电池模型可观察性标准之间的相互关系,后者直接与VOC-SOC曲线斜度相关