基于单片机的蓄电管理系统3.pptVIP

电池的管理策略 电池荷电状态（SOC）估算策略 电池均衡策略 热管理策略 充电策略 安时法 通过用放电电流与放电时间的乘积来计算铅酸电池的荷电状态,一般是对充放电的电流进行时间上的积分,然后由原来的电量进行加减来估算电池的荷电状态。 开路电压法 开路电压法是通过测量铅酸蓄电池的开路电压值,来判断电池的剩余电量。 内阻法 交流电注入到蓄电池，然后通过交流电的电压和电流值计算蓄电池的内阻，最后通过内阻和容量的关系判断蓄电池当前容量。 神经网络法 神经网络具有非线性的基本特性，具有并行结构和学习能力，对于外部激励，能给出相应的输出，故能够模拟电池动态特性，以估计SOC 卡尔曼滤波 通过大量的实验获得铅酸蓄电池得动态 RC 模型参数,建立铅酸蓄电池的二阶 RC 模型,利用此模型的的结果,使用卡尔曼滤波算法对铅酸蓄电池的荷电状态做估算 电池均衡策略 电阻旁路分流法 开关电容法 多绕组变压器法 并联DC一DC变流器法 热管理策略 充电策略 1.恒压 恒压充电就是在充电过程中，充电电压恒定不变。 * * 电池组的管理，包含着不同的方面，而不同的方面又有着不一样的管理方法。所以这就需要一套自己的管理策略来设计自己系统。 1.准确的电池余量 2.一致的电压 3.适合的电池工作环境 4.合理的充电方式 目前较统一的是从电量角度定义SOC SOC=QC/CI 式中：QC为蓄电池剩余的容量； CI为蓄电池以恒定电流I放电时所具有的容量。 荷电余量SOC 电池荷电状态SOC(stateofcharge)用来表征电池的剩余容量 SOC估算策略 适用于所有电池 能力要求高，算法比较复杂，设计成本高 对电流波动比较剧烈的汽车电池SOC的估计效果好，能很好解决电池自放电问题 卡尔曼滤波法 适用于所有电池 需要大量参考数据进行训练，估计误差受训练数据和方法的影响大 具有非线性的基本特性，能够模拟电池的动态特性 神经网络法 铅酸电池 准确电阻值不易测量 放电后期SOC估计效果较好 内阻法 铅酸电池； 电动汽车驻车状态 只能在电池电压稳定的情况下 充电初期和末期SOC估计效果较好 开路电压法 在SOC初值准确和电流测量准确情况下可以适用于各种电动汽车电池 若电流测量不准容易累积误差； 需要大量实验来建立充放电效率公式 简单，可靠 安时法 实验室； 电动汽车维修 需要大量时间； 电池工作必须中断 可靠性高，精确 放电实验法 适用性 缺点 优点 本文所选用的方法 安时和开路电压结合法 其中,CN为电池的额定容量；I为电池电流；n为充放电效率 在电源系统中,蓄电池的不一致性是影响蓄电池组寿命的致命因素。因此,对蓄电池组进行电池均衡,减小单体电池间的差异,最大限度的延长电池的使用寿命,是非常必要的 当检测系统监测到电池组出现不均衡状况时,控制信号就控制分流旁路上的继电器闭合,将分流电阻接入电路中 这种方法以均衡电容为能量存储载体,以各单体电池的电压为均衡对象,使其串联在各单体电池上，通过电池组间开关来回切换来保持单体电池的电压趋于一致 但当电池组的电压出现不均衡时,对蓄电池组进行电压均衡，控制变压器副边电压首先高于最低的一个蓄电池单体，此时这个单体电路中的二极管导通，其他单体连接的二极管由于承受反压关断，仅给电压最低的蓄电池单体充电，等到这个单体充至倒数第二高时，再提高副边电压，给最低的两个单体充电，照这种方法持续,该过程将持续到电池组间电压相同为止,从而达到了均衡控制的目的。 某一个电池单元达到充满状态或某相邻两电池单元电压不一致时,相应的均衡模块开始工作,能量从电压高的电池单元传递给电压低的电池单元.假定某时刻电池Bl的电压高于B2,此时开关管sl导通,电感Ll开始储能当s1关断后,电感中存储的能量通过续流二极管Dl转移到B2中. 如果串联电池组的最后一个电池单元Bn先充满或电压高于Bl,开关Sn导通,使能量存储在反激变压器的激磁电感中,当Sn关断之后,激磁电感中的能量转移到电池组。 设计当中本着均衡系统的无能量损耗,效率高,结构灵活的参考特点，本文选择的是并联DC一DC变流器法 当检测到电池温 度达到开风机温度阈值时，电池管理系统启动风机对电池进行降温，直到温度降到关风机阈值时关闭风机。 当检测到电池温度过低时，电池管理系统启动加热器对电池进行加热，直至电池上升至规定温度时才关闭加热器。 优点是充电速度快，充电时间短，充电电流I会随着电动势E的上升，而逐渐减小到零，使充电自动停止，不必人工调整和照管 。 缺点是在于充电开始的初期，由于电压已经恒定，又因为电池的等效内阻非常的小，所以