简介:摘要: 本文提出了一种蓄电池在线监测系统的校验装置。该装置应用微机实施采集、分析数据,准确判断蓄电池在线监测系统的检验结果,并过预制多检验模块,在检验中进行组合实施,克服以往的修改参数检验的方式,难以实现真实的模拟校验的目的。实际应用表明该校验装置比传统的校验方法具有更高的准确性和实时性,且能够及时智能快速地进行校验工作,更好的保障直流系统供电可靠性和实现校验工作的智能化。
简介:摘要:在单体电池的生产制造过程中,细微的不一致性(品控问题)以及长期充放电运行过程中的复杂因素导致电池组工作时出现单体电池的电压、内阻和SOC不一致的问题,进一步加剧了电池组性能的不均衡。这种不一致性可能引发类似于“木桶效应”的情况,其中劣化最严重的电池单体影响整个电池组的性能,甚至导致电池组报废,缩短了使用寿命。蓄电池在充放电过程中的特性变化,包括内阻的变化,因此希望确保每个单体的特性在充放电过程中同步变化,即每个蓄电池单体的充放电特性曲线是重合或接近重合的。尽管核容试验关注整组电池容量和规定放电时长后单体电压是否达标,但缺乏对蓄电池动态特性曲线的充分反映。现存的异常单体一致性测试方法基于硬性标准和大数据,不适用于同组运行电池组的单体异常查找,也存在简便性的不足。
简介:摘要:电池管理系统(BMS)可以延长电池寿命,但它取决于所采用方案的准确性。已经开发了不同的技术来通过监控电池的健康状态(SOH)来增强BMS。本文采用循环计数法对电池电压的检测进行了分析,并与人工神经网络这种启发式方法进行了比较。所提出的人工神经网络方法的优点是可以在不将电池与负载断开的情况下监测SOH。此外,人工神经网络的采样数据来自各种技术,包括开路电压(OCV)法、环境温度测量和谷点检测。采用前馈反向传播算法来达到实时监控实验室的目的。结果表明,前馈神经网络(FFNN)在用更多的采样数据训练时,可以获得对SOH的精确估计。