基于LabVIEW的动力电池SOC实时估算系统研发

合集下载

基于LabVIEW的电池管理系统监控平台开发

基于LabVIEW的电池管理系统监控平台开发1 引言动力电池集成作为电动汽车核心技术之一对电动汽车运行的性能有着决定性的作用，为保证动力电池安全且高效的应用，需要对其运行状态进行实时在线的监测并同时对其进行控制，电池管理系统在动力电池与整车控制之间起到了这样关键的桥梁作用。

为保证电池管理系统为电动汽车提供准确可靠的动力电池信息并对电池进行可靠的管理，需要对电池管理系统自身运行的各项功能进行实时的监测，以及对电池运行数据进行采集分析，同时在动力电池系统出现故障时需要对其进行诊断，基于LabV IEW 的电池管理系统监控平台即是为实现上述需求而开发设计。

LabV IEW ( Labora tory V irtual INStrumentat iONEng ineeringW orkbench，实验室虚拟仪器工程平台)是由美国N ational InSTruments(简称N I) 所开发的2 平台结构监控平台是基于电池管理系统设计，其主要由硬件部分和软件部分组成。

硬件主要实现PC 与电池管理系统之间的通信，因电池管理系统对外通信主要采用CAN ( Contro llerA rea Netw ork，控制器局域网) ，而PC 端接口多为U SB (Un iversa l Ser ia l Bus，通用串行总线)。

CAN 总线由德国Bosch 公司最先提出，是国际上应用最广泛的现场总线之一，其具有高位速率、高抗电磁干扰性，而且能够检测出总线的任何错误; USB 是一种支持即插即用的新型串行接口，已广泛用于PC 的对外接口。

解决CAN 与USB 之间的转换就解决了电池管理系统与PC 的通信，利用周立功USBCAN - II 的智能CAN 接口卡，可以很方便的实现这一功能，监控平台硬件正是以PC 为主体，连接CAN 接口卡，通过CAN 总线连接电池管理系统组成。

周立功。

基于LabView的动力电池BMS测试系统的研究

10.16638/ki.1671-7988.2019.17.003基于LabView的动力电池BMS测试系统的研究*刘凌飞1，李艺超2，赵帅1，郭昊1（1.天津职业技术师范大学汽车与交通学院，天津300222；2.天津动核芯科技有限公司，天津300350）摘要：文章所设计的测试系统是利用LabVIEW作为系统的监控平台，通过与周立功USB-CAN设备的结合，将电池系统的数据进行信号采集、存储和显示。

经过对采集数据的处理，实现电池的监控与预警功能。

系统利用采集板对电池进行数据采集，以期利用LabVIEW搭建适用于教学演示的动力电池BMS实验系统。

系统通过完善VI结构，优化数据处理，将电池管理系统的监控数据更直观地显示在上位机界面中。

关键词：LabView；动力电池；监控中图分类号：U469.72 文献标识码：A 文章编号：1671-7988(2019)17-05-03Research on the BMS Test System of Power Battery Based on LabView*Liu Lingfei1, Li Yichao2, Zhao Shuai1, Guo Hao1（1.School of Automotion and Transportation, Tianjin University of Technology and Education, Tianjin 300222;2.Tian Jin Dong He Xin Technology Co., Ltd, Tianjin 300350）Abstract:The test system designed in this paper uses LabVIEW as the monitoring platform of the system. Through the combination with Zhou Ligong USB-CAN device, the data of the battery system is collected, stored and displayed. After the processing of the collected data, the battery is monitored, with early warning function. The system uses the acquisition board to collect data from the battery, in order to use LabVIEW to build a power battery BMS experimental system suitable for teaching demonstration. The system improves the VI structure and optimizes the data processing, and displays the monitoring data of the battery management system more intuitively in the upper computer interface.Keywords: Pure electric vehicle; Motor; Driving cycle testCLC NO.: U469.72 Document Code: A Article ID: 1671-7988(2019)17-05-03前言现阶段新能源汽车的安全发展问题受限制于车用动力蓄电池的材料与性能优化。

一种改进的VRLA电池SOC估算方法

蓄电池 Chinese LABAT Man
一种改进的VRLA电池SOC估算方法
季中生1，李克俭1*，王汝钢2，蔡启仲1，黄世回2，杨贵1 （1. 广西科技大学电气与信息工程学院，广西柳州 545006； 2. 深圳普禄科智能检测设备有限公司，广东深圳 518067）摘要：针对多参量蓄电池的 SOC 估算问题，提出了一种基于 Thevenin电池模型，结合卡尔曼滤波算法的 SOC 估计优化算法。在蓄电池的充、放电过程中，基于 Thevenin 电路模型的各参数，对蓄电池 E -SOC 关系做多阶段处理，利用卡尔曼滤波对 SOC 做出最优估计。实验仿真表明，这种方法能实现更小的 SOC 估算误差。关键词：Thevenin电池模型；蓄电池；荷电状态（SOC）；卡尔曼滤波器；多阶段；变参数中图分类号：TM912.1 文献标识码：A 文章编号：1006-0847(2017)02-60-05
A kind of improved SOC estimation method for VRLA batteries
JI Zhongsheng1, LI Kejian1*, WANG Rugang2, CAI Qizhong1, HUANG Shihui2, YANG Gui1 (1. College of Electronic & Information Engineering, Guangxi University of Science and Technology, Liuzhou Guangxi 545006; 2. Shenzhen Pluke Intelligent Test Equipment Co., Ltd., Shenzhen Guangdong 518067, China) Abstract: For the problem of multi-parameter battery SOC estimation, a SOC estimation algorithm based on the Thevenin battery model and Kalman filter was presented. During the battery charging or discharging process, the optimal estimation of SOC was got based on variable parameter of the Thevenin circuit model and Kalman filter with a method of multi - stage for the E -SOC relationship of the battery. Simulation results showed that the method had smaller error. Keywords: Thevenin battery model; battery; state of charge (SOC); Kalman filter; multi-stage; variable parameter 0 引言阀控式铅酸（VRLA）蓄电池组是当前储能电站中采用的主要的蓄能装置。为了安全可靠地使用储能电站中的蓄电池，工作人员必须定期对蓄电池进行维护。VRLA 蓄电池的荷电状态（SOC）作为监测蓄电池状态的重要参数，一直是相关学术或者工程领域研究的热点[1-2]。笔者在 25 ℃ 条件下，将基于 Thevenin 电路模型的欧姆内阻 R 1、极化内阻 R 2、极化电容 C 2 加入到 SOC 估计中，应用卡尔曼滤波算法，对 VRLA 蓄电池的 SOC 估计算法做了优化。针对蓄电池的电动势 E 与荷电状态（SOC）之间存在特定的函数关系，提出了多阶段、变参数的新方法。新算法的

动力电池SOC估算方法的实时工况对比研究

NEW ENERGY AUTOMOBILE | 新能源汽车动力电池SOC估算方法的实时工况对比研究耿晶　张万良　战东红　王维振　张传龙潍柴动力股份有限公司山东省潍坊市 261001摘要：随着燃料电池混合动力汽车的普及，三元锂电池的荷电状态（SOC）估算应用是电池管理系统的重要研究方向，直接决定燃料电池混合动力系统的续航里程。

为进一步了解和探索SOC估算方法的准确性，本文基于电池物理模型，通过安时积分法（AH）和内阻法SOC与实际路况SOC的对比分析，研究结果表明：内阻法SOC估算方法能够更符合实际车辆运营SOC的变化情况。

关键词：电池模型　AH　内阻法　SOC　车辆运营1　引言随着传统车辆对环境的污染越来越大[1,3]，能源的短缺越来越明显，清洁无污染的能源技术得到了世界各国的密切关注。

新能源汽车[2,4]作为新型交通工具，具有零污染、零排放、舒适度高、资源消耗低等很多优势[5]，为了缓解环境污染和能源紧张的现状，国家大力扶持新能源汽车的发展。

新能源汽车包括纯电动汽车、氢发动机汽车、燃料电池混合动力汽车、燃料电池电动汽车、增程式电动汽车、其它新能源汽车等[6]，其中，燃料电池混合动力汽车发展前景十分美好[7]。

燃料电池混合动力汽车解决了燃料电池汽车存在的一系列问题，包括在加速、爬坡等条件下需要输出较大功率且功率波动频繁，燃料电池动力系统瞬态响应慢，持续输出峰值功率能力有限[8-9]，且能量无法回收再生制动能量等。

因此，燃料电池混合动力系统得到了广泛应用，刘硕[10]等人针对燃料电池混合动力车，设计燃料电池+蓄电池混合动力系统，充分发挥两者的优点从而提高能源利用率和燃油经济性。

针对有轨电车在大功率峰值需求和减速制动过程中，恒定的SOC平衡系数不能满足瞬时等效氢耗最小的指标要求问题，建立基于燃料电池/锂电池的混合动力有轨电车动力系统模型，并通过分析SOC平衡系数与氢耗特性,张国瑞[11]等人提出一种基于运行模式和动态混合度的等效氢耗最小化能量管理控制方法。

基于LabVIEW的锂电池实时监测系统及SOC估算研究

创新前沿科技创新与应用Technology Innovation and Application2018年1圆期基于LabVIEW的锂电池实时监测系统及SOC估算研究李壮，杨兆华(佛山科学技术学院，广东佛山528000)摘要：基于单片机和LabVIEW平台开发出了一套锂电池的在线实时监测系统，能实现锂电池参数的监测和SOC的估算。

选择 LM算法，通过编写MATLAB程序建立了以BP神经网络技术为主要应用蓝本的面向锂电池的SOC预测模型，并针对开发出的新模型系统利用已有的样本数据进行不断学习，最终使SOC预测值逐渐逼近实测值。

目前本系统可以成功实现对于锂电池运行状态的实施监测与显示，并利用配套的存储设备对相关状态参数进行实时存储。

总体而言，本估算模型具有估算精度高、可靠性高、便于实施等突出优点。

关键词：锂电池；LabVIEW;神经网络；SOC;预测中图分类号:TM912 文献标志码：A 文章编号= 2095-2945(2018)12-0016-04Abstract:An online real-time monitoring system for lithium battery is developed based on single chip computer and LabVIEW platform. It can realize the monitoring of lithium battery parameters and the estimation of SOC. The LM algorithm is selected to build the SOC prediction model for lithium battery based on BP neural network technology by writing MATLAB program, and the new model system is continuously studied by using the existing sample data. Finally, the predicted value of SOC is gradually approaching the measured value. At present, the system can successfully monitor and display the operation state of lithium battery, and use the supporting storage equipment to store the relevant state parameters in real time. In general, this model has the advantages of high accuracy, high reliability, easy to implement and so on.Keywords:lithium battery; LabVIEW; neural network; SOC; prediction随着人类社会科技的进步和经济的发展，对于能源的稳定、有效供应以及安全提出了越来越苛刻的要求。

基于LabVIEW的锂电池SOC预估与参数监测系统

李桂娟，张持健，施志刚，李亮，刘雪
（安徽师范大学物理与电子信息学院，安徽芜湖２４１００２）
摘要：针对电动汽车电池荷电状态（ＳＯＣ）估算不准确的问题，采用列文伯格一马夸尔特（ＬＭ）算法搭建了电池ＳＯＣ动态预测模型，并充分考虑了电池电压、电流、温度等影响因素。采集系统通过串口与ＬａｂＶＩＥＷ监测系统进行通信，实现了电池数据的分析。利用ＭＡＴＬＡＢ将采集的电池数据用于模型实验，实验结果表明：利用搭建的模型预测电池的ＳＯＣ提高了预测精度，具有普适性。关键词：锂电池；ＬａｂＶＩＥＷ；荷电状态预测；反向传播神经网络中图分类号：ＴＮ９１１．７２文献标识码：Ａ文章编号：１０００－９７８７（２０１８）１Ｏ－００６９－０３
Ｋｅｙｗｏｒｄｓ：ｌｉｔｈｉｕｍｂａｔｔｅｒｙ；Ｉｚ￣ｂＶＩＥＷ；ｓｔａｔｅｏｆｃｈａｒｇｅ（ＳＯＣ）ｐｒｅｄｉｃｔｉｏｎ；ｂａｃｋｐｒｏｐｏｇａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ（ＢＰＮＮ）
０引言目前，用于荷电状态（ｓｔａｔｅｏｆｃｈａｒｇｅ，ＳＯＣ）估算的方法
考虑到电池的非线性特征及温度对ＳＯＣ的影响，本文采用开路电压法、安时积分法结合改进的ＢＰ算法对电池的ＳＯＣ进行动态预测，根据采集的实验数据结合
ＭＡＴＬＡＢ进行仿真实验，结果表明，本文方法预测ＳＯＣ，误差绝大多数都在ｌ％以内，提高了电池ＳＯＣ的预测精度，验证了该预测模型的可行性。１改进的ＢＰＮＮ预测电池ＳＯＣ１．１ＳＯＣ预测模型的建立

基于模型的新能源汽车动力电池SOC_估算方法的仿真研究

doi:10.3969/j.issn.1005-2550.2023.06.004 收稿日期：2023-04-03基于模型的新能源汽车动力电池SOC估算方法的仿真研究刘承杰（重庆安全技术职业学院，重庆 404048）摘要：本文对目前动力电池SOC现状进行了简要介绍，然后提出了一种基于模型的新能源汽车动力电池SOC估算方法。

该方法使用基于化学反应动力学的电池模型来预测动力电池的电荷和放电行为，并利用滤波器和卡尔曼滤波器来估算电池的SOC。

仿真实验结果表明，该方法具有比较高的估算精度和稳定性，最后对动力电池SOC以后的发展进行展望。

关键词：动力电池；SOC；卡尔曼滤波器中图分类号：TM912 文献标志码：A 文章编号：1005-2550（2023）06-0016-05Simulation Research on Model Based SOC Estimation Methodfor New Energy Vehicle Power BatteryLIU Cheng-jie(Chongqing Safety T echnology Vocational College, Chongqing 404048, China) Abstract: This article briefly introduces the current status of power battery SOC, and then proposes a model based method for estimating the SOC of new energy vehicle power batteries. This method uses a battery model based on chemical reaction kinetics to predict the charge and discharge behavior of a power battery, and uses filters and Kalman filters to estimate the SOC of the battery. The simulation results show that this method has relatively high estimation accuracy and stability. Finally, the future development of power battery SOC is prospected.Key Words: Power Battery; SOC; Kalman Filter1 引言随着电动汽车、混合动力汽车等新型交通工具的快速发展，动力电池作为其重要组成部分之刘承杰毕业于江西科技学院，本科学历，现就职于重庆安全技术职业学院，任专任教师，主要研究方向：储能技术。

LabVIEW在电池管理系统中的应用实现电池状态监测和优化

LabVIEW在电池管理系统中的应用实现电池状态监测和优化概述：随着电动车和可再生能源的兴起，对电池管理系统的需求也越来越高。

LabVIEW作为一种功能强大的开发平台，提供了丰富的工具和库，可以实现电池状态的实时监测和优化控制。

本文将介绍LabVIEW在电池管理系统中的应用，包括数据采集、状态分析和优化控制等方面的实现方法。

一、数据采集在电池管理系统中，准确的数据采集是实现电池状态监测的基础。

LabVIEW提供了多种数据采集的接口和设备支持，可以灵活地对电池进行采样和监测。

例如，通过连接电池管理芯片的接口，可以实时读取电池的电压、电流、温度等信息。

同时，LabVIEW还支持其他传感器的接入，比如温度传感器、湿度传感器等，以获取更全面的信息。

通过使用LabVIEW的图形化编程和配置界面，用户可以方便地设置采样频率、数据存储方式等参数，实现对电池状态的实时监测和记录。

二、状态分析电池状态分析是电池管理系统中的核心任务之一，通过对电池各种参数的监测和分析，可以准确地评估电池的健康状况并预测其寿命。

LabVIEW提供了强大的信号处理和数据分析工具，可以对电池采集到的数据进行处理和分析。

例如，可以使用滤波算法来去除噪声，使用功率谱分析来提取频域特征，使用时域分析方法来评估电池的电压波动情况等。

通过使用LabVIEW的图形化编程和算法模块，用户可以快速构建电池状态分析的流程，并实时展示结果。

同时，LabVIEW还支持自定义算法和模型的集成，用户可以根据实际需求进行扩展和优化。

三、优化控制除了状态分析，优化控制也是电池管理系统的重要内容。

LabVIEW提供了丰富的控制算法和方法，可以实现对电池的充放电过程的控制和优化。

例如，可以使用PID控制算法来实现对电池的电流和电压进行控制，使用最优化算法来实现电池的充放电策略优化。

通过使用LabVIEW的图形化编程和控制模块，用户可以方便地设计和调试控制策略，并实时监测和调整参数。

《动力电池SOC估计方法研究的文献综述1500字》

动力电池SOC估计方法研究的国内外文献综述1 动力电池SOC估计方法研究现状就目前的国内和国外动力电池SOC的估计方法的研究的形式主要分为两大类：第一类方法是利用电池充放电电流和开路电压等参数间接计算电池剩余荷电状态。

具体的SOC估算方法有放电实验法、安时积分法、开路电压法、内阻法等。

第二类方法首先建立合理有效的电池模型，然后根据所选算法和电池的所选算法间接估计电池的SOC，具体方法有神经网络、模糊逻辑和卡尔曼滤波法等[2]。

面对这如此多的动力电池SOC估计的方法，对于每种方法它都有各自的优缺点，所以要对于所研究和设计的目的去选择适合的SOC估计方法，才能更有效的提高研究的效率，在实际应用时能够发挥出更高的价值。

但是，在新能源汽车的不断发展下，对于日前SOC估计的方法还需要进一步的去提高，才能使SOC 估计的精度达到一个更为精确的一个水平。

2动力电池电路模型研究现状锂电池的在使用上已经是非常的普及，小到各种的家用电器或者是玩具，大到汽车乃至更多的用电设备上去。

所以根据电池应用的需要，对电池模型的研究也是不可缺少的一部分，通过对大量的文献和研究观察电池模型可大致分为四类：热模型、经验模型、电化学模型和性能模型。

这四类模型都有各自的特点，每种模型都有自己优点和缺点，这导致它们所应用的场景是不同的。

热模型是以模型按照构造的主要原理研究电池的生热和传热过程，并对电池的热管理进行研究。

一种新型的锂电池热模型，通过检测其内部的电池温度变化，对内部的温度进行估计，从而有效的保护电池和电路，判断该模型的准确性和灵活性。

经验模型又称为黑箱模型，该模型的属于预测中运用较多的一种模型。

“黑箱“模型指的是模型在作出预测的过程中所进行的一系列操作是未知的，或即使人类很清楚模型在作决策的过程中的每一步具体的操作，但是所进行的操作无法用人类可以理解的语义来描述。

对于电池方面，不需要对其化学原理进行深度的解析。

可以通过对数据的采集像电压、电流、电阻和电容等各方面的数据作为模型的输入量，导入所建立的模型中，让后通过算法对这些数据进行训练，从而建立一个精确的数学模型。

基于LabVIEW的微电网电池荷电状态监测系统

基于LabVIEW的微电网电池荷电状态监测系统王萍;程志江;陈星志【摘要】针对微电网储能系统电池的荷电状态(SOC)在线估计问题,基于LabVIEW 平台,利用NI cDAQ9174数据采集卡采集电压、电流数据并估算SOC.通过精确混合电池电化学模型,采用LabVIEW图形化编程的最小二乘拟合算法,拟合标准放电实验数据,得到电池电化学模型输出方程.根据电池的状态方程和输出方程,采用卡尔曼滤波算法估算剩余容量.在SOC为1和0.85的条件下,对同一磷酸铁锂锂离子电池进行5 A恒流放电,对比实际放电曲线、卡尔曼滤波估算曲线和安时积分法得到的放电曲线,得到系统数据采集与SOC估算的准确性和有效性,误差分别小于±0.2％和±0.05％.【期刊名称】《电池》【年(卷),期】2018(048)006【总页数】4页(P406-409)【关键词】微电网;荷电状态(SOC);卡尔曼滤波;最小二乘曲线拟合【作者】王萍;程志江;陈星志【作者单位】新疆大学电气工程学院,新疆乌鲁木齐 830047;新疆大学电气工程学院,新疆乌鲁木齐 830047;新疆大学电气工程学院,新疆乌鲁木齐 830047【正文语种】中文【中图分类】TM912.9实际风光发电系统多采用风光储联合系统的形式，以弥补风光系统的随机性等缺点。

电池荷电状态(SOC)作为储能单元重要的参数指标，影响着储能电池的使用寿命和效率。

人们对电池SOC的估算开展了大量研究，目前的估算方法主要有：基于神经网络的智能控制算法[1-2]、卡尔曼滤波法[3-4]、安时积分法[5]和开路电压法等。

安时积分法应用广泛，但由于初始SOC的不确定性，不适合微电网电池的在线检测；开路电压法要求电池满荷电状态静置一段时间后进行测量，电池需要脱离供电系统，因此也不适合微电网电池的在线估算；基于神经网络的智能控制算法需要大量的训练数据，不适合大规模大批量的微电网储能电池系统。

基于LabVIEW的锂电池实时监测系统及SOC估算研究

基于LabVIEW的锂电池实时监测系统及SOC估算研究作者：李壮杨兆华来源：《科技创新与应用》2018年第12期摘要：基于单片机和LabVIEW平台开发出了一套锂电池的在线实时监测系统，能实现锂电池参数的监测和SOC的估算。

选择LM算法，通过编写MATLAB程序建立了以BP神经网络技术为主要应用蓝本的面向锂电池随着人类社会科技的进步和经济的发展，对于能源的稳定、有效供应以及安全提出了越来越苛刻的要求。

时至今日，随着传统能源在应用领域的弊端日益显现，对于替代能源的需求成为了关乎社会发展的重要议题，化学电池以其优越的性能成为了能源需求的关键突破技术[1]，其中最具代表性的即为锂电池，其体积小、电压高、比容量高、安全性高、环保性好和无污染性的特点使它在储能领域的应用越来越广泛，成为了研究的重点[2]。

但是在实际开发利用中，如何保持电池性能的稳定以及能量的传输效率是国内外研究领域十分关注的热点问题。

本文正是基于这样的应用背景，利用目前的单片机集成电路技术以及LabVIEW开发平台对包括锂电池荷电状态（State of Charge，后文简称SOC）等状态参数与运行指标进行准确监测并进行相关预测，可以大幅度调高电池的利用效率、降低能量损耗。

本试验研究选择目前应用较为广泛、技术性能稳定可靠的STM32F103C8T6型单片机作为监测系统的主控模块，完成相关逻辑计算与传输功能。

其主要应用功能为对锂电池的运行状态与相关参数进行实时监控、采集与传输，主要包括电池两端电压、传输电流等，再通过计算得到与之相对应的SOC值，将这些参数显示和存储在LabVIEW上位机用户界面，便于用户进行实时监测与观察。

关于锂电池的SOC计算方法，本文通过对国内外研究成果与相关文献的广泛调研与综合分析比对，对目前已经较为成熟、应用较为广泛的各类方法进行了初步研究，主要包括以下六类方法，分别为：（1）神经网络法；（2）内阻测量法；（3）累积法；（4）卡尔曼滤波算法；（5）开路电压法；（6）放电实验法[3]。

基于LabVIEW的动力电池SOC实时估算系统研发

基于LabVIEW的动力电池SOC实时估算系统研发王昕灿;郑燕萍;张林峰;孙伟明【摘要】在电动汽车能量管理控制策略和电池管理系统研究中,电池荷电状态(State of charge,SOC)的准确估算一直是重点和难点.基于磷酸铁锂动力电池的工作原理和充放电特性试验,利用MATLAB软件拟合获得不同放电电流下的库仑效率和开路电压与SOC的关系.并采用虚拟仪器LabVlEW与相关硬件,实时采集动力电池相关数据,将SOC估算的安时法与开路电压法相结合,实现了对动力电池SOC的实时估算与高精度显示,提高了电池SOC研发系统的实用性与准确性.%In the study of electdc vehicle energy control strategy and battery management system,it is important and difficult to accurately estimate the battery state of charge (SOC).Based on the working principle of lithium iron phosphate power battery and charge and discharge characteristic test,MATLAB software was used to obtain the coulomb efficiency at different discharge currents and the relationship between open-circuit voltage and SOC.And also the LabVlEW virtual instrument and the related hardware were adopted to collect the related real time data of power battery,and the Ah counting strategy and open circuit voltage method were combined to estimate the SOC,which realize the real-time SOC estimation of power battery with high precision and improve the practicality and accuracy of the battery SOC system.【期刊名称】《电源技术》【年(卷),期】2017(041)003【总页数】3页(P374-376)【关键词】动力电池;SOC;实时估算;LabVIEW;系统研发【作者】王昕灿;郑燕萍;张林峰;孙伟明【作者单位】南京林业大学汽车与交通工程学院,江苏南京210037;南京林业大学汽车与交通工程学院,江苏南京210037;南京林业大学汽车与交通工程学院,江苏南京210037;南京林业大学汽车与交通工程学院,江苏南京210037【正文语种】中文【中图分类】TM912.9合理有效的SOC估算方法和实时准确的监测是提高SOC估算精度的有效途径。

基于labview的电动汽车动力电池管理系统 (2)

基于labview的电动汽车动力电池防燃安全系统摘要随着社会的发展以及能源、环保等问题的日益突出，纯电动汽车以其零排放，噪声等优点越来越受到世界各国的重视，被称作绿色环保车。

作为发展电动车的关键技术之一的电池防燃安全系统（LABVIEW），是电动车产业纯的关键。

，以锂电池为动力的电动自行车、混合动力汽车、电动汽车、燃料电池汽车等受到了市场越来越多的关注。

我国对电动车的发展极为重视，早在1992年就把电动车的开发发展列入国家的“八五”重点科技攻关项目，对电池防燃安全系统以及充电机系统进行了长期深入的研究开发，在LABVIEW方面取得很大的突破，与国外水平也较为接近，研制产品在纯电动和混合动力电动车上得到大量使用。

但电池管理技术还并不成熟，电动汽车的发展及产业化，对动力蓄电池防燃安全系统将具有巨大的市场需求，同时技术上也将提出更高的要求。

关键词：LABVIEW 纯电动汽车动力电池锂电池 can通讯单片机第一章绪论1.1前言随着能源紧缺、石油涨价、城市环境污染的日益严重，替代石油的新能源的开发利用越来越被各国政府所重视。

所以说随着各国対新能源汽车的推广，电动汽车会被越来越多的关注，电池系统是电动汽车的关键部件，由于电动汽车的显著特点和优势，各国都在发展电动汽车。

根据汽车的使用特点，其实用的动力电池一般应具有比能量高、比功率大、自放电少、工作温度范围宽、能快速充电、使用寿命长和安全可靠等特点，因此，电池防燃安全系统对电动汽车的性能起到了决定性的作用。

1.2电池防燃安全系统在国内外的发展概况及存在问题近年来，我国的汽车行业发展迅速，已成为世界第四大汽车生产国和第三大汽车消费国。

但是我国的石油资源短缺，目前石油进口量以每年两位数字的百分比增长，预计到2010 年进口依存度将接近50%。

因此大力发展新能源汽车，用电代油是保证我国能源安全的战略措施。

因此大力发展新能源汽车是实现我国能源安全、环境保护以及中国汽车工业实现跨越式、可持续发展的需要。

基于Labview的电动车电池电量管理系统

基于Labview的电动车电池电量管理系统应用领域：电池电量管理、监控挑战：通过算法控制实现电池电量的管理。

对车载电池组的充放电进行自动检测、分配电量，解决电池组充放电时单体电池过充或过放的问题，从而解决电动车车载电池组的安全问题，并提高电池的使用寿命。

应用方案：通过研究单体电池的荷电特性，从而建立电池的SOC特性算法。

经过对单体电池在不同负载、不同温度及电池欠压等各种工况下的电池电压、电流的测量，获得大量数据，对数据经过处理分析后，利用模糊逻辑建立对同种型号单体电池的电量管理系统。

然后通过对电池组中各单体电池电压、电流的测量，根据单体电池电量管理系统的反馈信息进行汇总分析，然后对各支路单体电池发出指令，实时再分配充电电量或者再分配电池负载，并保证使用时电池组恒压输出，从而建立起电动车的完备电池电量管理系统。

使用产品：Labview2010教学学生版软件PIC-MIO-16E-4采集卡CB-68LP终端接线端子正文：一、引言随着电动车技术的日益成熟，电池越来越成为制约电动车发展的瓶颈问题。

在新电池技术没有取得电容性巨大突破之前，电池电量的合理使用成为工程技术的焦点。

因此，电池电量管理技术受到重视。

二、电池电量管理系统设计的背景及原则电动车在行驶过程中最危险的工况是中途行驶中电池电量用尽或电池电量不足，加之电池快速充电技术不够成熟，无法及时提供充足的电能源，这会给交通运输造成重大素损失，因此电池的剩余电量以及汽车的续驶里程就显得十分重要。

现在的快速充电技术多为大电流速充技术，这容易引起电池组的充电不均，造成对单体电池欠充或过充。

此不仅影响电池的寿命而且存在极大的安全隐患。

因此在充电过程中对单体电池的电量监测控制以及自动地对单体电池充断电就极为重要。

系统整体项目监测控制如下：1）电压监测：对单体电池在充放电时监测过压和欠压状况。

2）温度监测：对单体电池在工作全过程中实时进行温度测量。

3）充放电控制：充电过程中对过压的单体电池自动断电，放电过程中对欠压的单体电池自动断电。

基于LabVIEW的锂电池SOC估计与参数监测系统

基于LabVIEW的锂电池SOC估计与参数监测系统
魏兴亚;魏宁娴;赵佩
【期刊名称】《应用能源技术》
【年(卷),期】2016(000)001
【摘要】文中介绍了一种采用LabVIEW设计和实现的锂电池参数监测与剩余电量(SoC)在线估计的硬件系统.该锂电池监测系统主要功能包括:采集锂电池处于工作状态下的电流、电压参数,显示并存储该参数信息,通过已经求得的精确锂电池模型对SOC进行在线估计并实时显示.将锂电池恒流放电与变流放电时的实验结果与真实值进行比较,验证了该系统参数采集与SOC估计的有效性与精确性.
【总页数】4页(P45-48)
【作者】魏兴亚;魏宁娴;赵佩
【作者单位】同济大学电子与信息工程学院,上海201804;内蒙古大学公共管理学院,呼和浩特010070;同济大学电子与信息工程学院,上海201804
【正文语种】中文
【中图分类】TM9.2
【相关文献】
1.基于LabVIEW的锂电池SOC预估与参数监测系统 [J], 李桂娟;张持健;施志刚;李亮;刘雪
2.基于在线参数辨识和AEKF的锂电池SOC估计 [J], 田茂飞;安治国;陈星;赵琳;李亚坤;司鑫
3.基于Gassing模型的锂电池SOC估计与参数辨识 [J], 周苏; 胡哲; 王章保; 陈凤
祥
4.基于参数辨识与AEKF的锂电池SOC估计 [J], 郑力得;董建园;马强
5.基于ESP模型的锂电池参数辨识和SOC估计 [J], 吴波;谢锋;卢佩航;徐劲力因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｄｉｆｉｃｕｌｔｔｏａｃｃｕｒａｔｅｌｙｅｓｔｉｍａｔｅｔｈｅｂａｔｔｅｒｙｓｔａｔｅｏｆｃｈａｒｇｅｆｓｏｃ）．Ｂａｓｅｄｏｎｔｈｅｗｏｒｋｉｎｇｐｒｉｎｃｉｐｌｅｏｆ¨ ｆｈｉｕｍｉｒｏｎ
Ａｂｓｔｒａｃｔ：Ｉｎｔｈｅｓｔｕｄｙｏｆｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｅｎｅｒｇｙｃｏｎｔｒｏｌｓｔｒａｔｅｇｙａｎｄｂａｔｔｅｒｙｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍ，ｉｔｉｓｉｍｐｏｒｔａｎｔａｎｄ
ｆＣｏｌｌｅｇｅｏｆＡｕｔｏｍｏｂｉｌｅａｎｄｌＰａｎｓｐｏｒｔａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｂ，，ＮａｎｊｉｎｇＪｉｍ￣ｇｓｕ２１００；７．Ｃｈｉｎａ）
ｐｈｏｓｐｈａｔｅｐｏｗｅｒｂａｔｅｙｒａｎｄｃｈａｒｇｅａｎｄｄｉｓｃｈａｒｇｅｃｈａｒａｃｔｅｒｉｓｔｉｃｔｅｓｔ．ＭＡＴＬＡＢｓｏｆｔｗａｒｅｗａｓｕｓｅｄｔｏｏｂｔａｉｎｔｈｅｃｏｕｌｏｍｂｅｆｉｃｉｅｎｃｙａｔｄｉｆｅｒｅｎｔｄｉｓｃｈａｒｇｅｃｕｒｒｅｎｔｓａｎｄｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｏｐｅｎ —ｃｉｒｃｕｉｔｖｏｌｔａｇｅａｎｄＳＯＣ．Ａｎｄ
基于ＬａｂＶｌＥＷ的动力电池ＳＯＣ实时估算系统研发
王昕灿，郑燕萍，张林峰，孙伟明（南京林业大学汽车与交通Ｔ程学院，江苏ቤተ መጻሕፍቲ ባይዱ南京２１００３７）
摘要：在电动汽车能量管理控制策略和电池管理系统研究中，电池荷电状态（Ｓｔａｔｅｏｆｃｈａｒｇｅ，ＳＯＣ）的准确估算一直是
ｗｈｉｃｈｒｅａｌｉｚｅｔｈｅｒｅａｌ — ｔｉｍｅＳＯＣｅｓｔｉｍａｔｉｏｎｏｆｐｏｗｅｒｂａｔｔｅｙｒｗｉｔｈｈｉｇｈｐｒｅｃｉｓｉｏｎａｎｄｉｍｐｒｏｖｅｔｈｅｐｒａｃｔｉｃａｌｉｔｙａｎｄ
ａｌｓｏｔｈｅＬａｂＶｌＥＷｖｉｔｕｒａＩｉｎｓｔｒｕｍｅｎｔａｎｄｔｈｅｒｅｌａｔｅｄｈａｒｄｗａｒｅｗｅｒｅａｄｏｐｔｅｄｔｏｃｏｌｌｅｃｔｔｈｅｒｅｌａｔｅｄｒｅａｌｔｉｍｅｄａｔａｏｆ
Ｒｅｓｅａｒｃｈｏｎｒｅａｌ — ｔｉｍｅｅｓｔｉｍａｔｉｏｎｓｙｓｔｅｍｏｆｐｏｗｅｒｂａｔｔｅｒｙＳＯＣｂａｓｅｄｏｎＬａｂＶＩＥＷ
ＷＡＮＧＸｉｎ— ｃａｎ，ＺＨＥＮＧＹａｎ — ｐｉｎｇ，ＺＨＡＮＧＬｉｎ— ｆｅｎｇ，ＳＵＮＷｅｉ — ｍｉｎｇ
的安时法与开路电压法相结合，实现了对动力电池Ｓ０Ｃ的实时估算与高精度显示。提高了电池ＳＯＣ研发系统的实用
性与准确性。
关键词：动力电池；Ｓ０Ｃ；实时估算；ＬａｂＶｌＥＷ；系统研发中图分类号：ＴＭ９１２．９文献标识码：Ａ文章编号：１００２ — ０８７Ｘ（２０１７）０３ — ０３７４ — ０３
ｐｏｗｅｒｂａｔｔｅｙ，ａｒｎｄｔｈｅＡｈｃｏｕｎｔｉｎｇｓｔｒａｔｅｇｙａｎｄｏｐｅｎｃｉｒｃｕｉｔｖｏｌｔａｇｅｍｅｔｈｏｄｗｅｒｅｃｏｍｂｉｎｅｄｔｏｅｓｔｉｍａｔｅｔｈｅＳＯＣ，
重点和难点。基于磷酸铁锂动力电池的工作原理和充放电特性试验，利用ＭＡＴＬＡＢ软件拟合获得不同放电电流下的库仑效率和开路电压与ＳＯＣ的关系。并采用虚拟仪器ＬａｂＶｌＥＷ与相关硬件，实时采集动力电池相关数据，将Ｓ０Ｃ估算