文献类型：期刊文章

作　　者：黄锋[1] 问朋朋[1] 汪兴兴[2] 孙书刚[3]

HUANG Feng;WEN Pengpeng;WANG Xingxing;SUN Shugang(School of Mechanical Engineering,Huzhou Vocational and Technological College,Huzhou 313000,Zhejiang,China;School of Mechanical Engineering,Nantong University,Nantong 226019,Jiangsu,China;Nantong Gaoxin Antiwear Technology Co.,Ltd.,Nantong 226011,Jiangsu,China)

机构地区：[1]湖州职业技术学院机电与汽车工程学院,浙江湖州313000 [2]南通大学机械工程学院,江苏南通226019 [3]南通高欣耐磨科技股份有限公司,江苏南通226011

出　　处：《实验室研究与探索》

基　　金：江苏省自然科学基金面上项目(2016246);江苏省重点研发计划项目(BE2016107)。

年　　份：2020

卷　　号：39

期　　号：1

起止页码：37-41

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、EBSCO、INSPEC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：荷电状态(SOC)是电动汽车动力电池的核心性能指标。为了进一步提高锂离子电池组单体电池荷电状态预测精度,提出一种基于改进PNGV模型的电池内阻辨识与SOC预测。根据锂离子动力电池的特性分析,建立改进型PNGV模型。利用实验采集的数据和最小二乘算法实现内阻的在线识别。通过该内阻辨识算法,更加准确地反映电池的当前电压。根据预测更加准确的电压,从而提出基于数据融合PHM法预测电池的SOC,该方法基于实验数据和灰色预测模型来估算电池的荷电状态。仿真和实验结果表明,基于内阻辨识的SOC预测更准确,具有较强的工程实用性。

关 键 词：锂离子电池 内阻辨识  灰色预测

分 类 号：TM912]