在动态电流条件下锂离子电池模型与电量估算器的低成本实验验证

《Clean Technologies》:Low-Cost Experimental Validation of Lithium-Ion Battery Models and SOC Estimators Under Dynamic Current Profiles

【字体: 大 中 小 】 时间:2026年08月06日 来源:Clean Technologies 5.9

编辑推荐:

   摘要

  

摘要

可靠的实验平台对于锂离子电池的特性分析、等效电路模型的识别以及电量状态估算器的验证至关重要。然而,在学术和研究机构中,获取商用电池测试设备和高精度仪器往往较为困难,这促使人们开发低成本且可重复使用的测试平台。本文介绍了一种用于锂离子电池特性分析、基于电量状态的等效电路模型识别、电压模型验证以及电量状态估算器评估的低成本实验平台的开发与验证过程。该平台整合了恒流恒压充电功能、基于印刷电路板的可控电流电子负载、基于ESP32的嵌入式数据采集系统以及基于MATLAB的数据处理功能。通过不同倍率下的完全放电测试、脉冲放电测试以及动态电流曲线测试,对三星INR18650-35E电池进行了特性分析。在0.2C倍率下测得的电池容量为3345.1毫安时,与制造商公布的最低标称容量3350毫安时非常接近。从脉冲放电测试数据中识别出一阶和二阶Thévenin等效电路模型,并将其构建为与电量状态相关的模型,随后在缩放动态应力测试和改良脉冲动态应力测试条件下对这些模型进行了验证。从数据最完整的脉冲放电测试集中识别出的二阶等效电路模型,在缩放动态应力测试和改良脉冲动态应力测试条件下的电压均方根误差分别为23.24毫伏和12.14毫伏。该平台还被用于评估基于扩展卡尔曼滤波器和混合扩展卡尔曼滤波器-人工神经网络残差校正方法的电量状态估算器。基于二阶等效电路模型的扩展卡尔曼滤波器在完整动态测试条件下的电量状态均方根误差为和,而混合扩展卡尔曼滤波器-人工神经网络方法则将动态测试环节中的电量状态均方根误差降低到和。这些结果表明,所提出的平台为电池测试、等效电路模型识别、电压验证以及面向电池管理系统的电量状态估算器评估提供了统一的、可重复的实验框架。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号