陈 林，张持健，殷安龙，许矛盾

（安徽师范大学 安徽 芜湖 241000）

基于LabVIEW的锂电池监测系统及SOC预测研究

陈 林，张持健，殷安龙，许矛盾

（安徽师范大学 安徽 芜湖 241000）

为了实现对电池参数的实时监测和SOC的预测，中文以单片机和LabVIEW平台开发出一套电池管理系统。采用LM算法，建立了基于BP神经网络的锂电池SOC预测模型，利用样本数据进行模型实验。通过不断的学习，BP神经网络预测的SOC逐渐逼近实际的SOC。结果表明，该系统能实时显示电池参数，实现数据存储；该预测模型实现了锂电池SOC预测中输入与输出之间的高度非线性映射，预测精度高，具有可行性。

锂电池；LabVIEW；神经网络；SOC；预测

近年来，全球石油资源日益紧张、大气污染愈发严重，人们愈发重视高效清洁能源的开发和利用。电动汽车以其低污染的优点成为世界汽车发展的主要方向[1]，但电池的性能和价格成为影响电动汽车推广的主要"瓶颈”。为了更好的发挥电池的性能并延长其使用寿命，急需设计电池管理系统对其进行控制和管理。

文中设计锂电池监测系统使用STC12C5A60S2单片机作为主控模块，实现锂电池端电压和放电电流等参数的实时采集，通过计算得出锂电池的SOC，并将这些参数在上位机LabVIEW用户界面进行显示和存储。通常锂电池剩余容量都是根据电池端电压、电流、温度、阻抗等参数来预测[2]。与蓄电池相关的建模方法有两种：一种是物理建模方法，另一种是参数估计与系统辨识建模方法[3]。物理建模方法包括开路电压法、电导法、电流计分法、测量电解液法。……