EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
基于采样点卡尔曼滤波的动力电池SOC估计 高明煜1.2 何志伟2 徐杰2 ( 1.武汉理工大学信息工程学院 武汉430070 2.杭州电子科技大学电子信息学院 杭州310018) : C1 V2 V! k a# X& Z/ L6 j
0 y( l' h4 ^+ C |! |/ g6 Y摘要动力电池荷电状态 (SOC)的快速精确估计是电池能量管理系统的核心技术。针对动力电池这一动态非线性系统,提出了电池过程模型的具体改进方法,以使其可以适应不同放电速率和不同温度条件对动力电池Soc的影响;给出了利用采样点卡尔曼滤波进行电池SoC估计的具体步骤;最后,分析了采样点卡尔曼滤波在SoC估计精度、收敛速度、算法复杂度及鲁棒性等方面的性能。实验表明,采用采样点卡尔曼滤波算法可以快速地完成动力电池SOC的精确估计,误差在5%左右;模型参数的合理微调几乎不影响算法的准确性,表明了算法具有一定的鲁棒性。 z' ~) _4 i3 u+ f
7 ^# ^. j- S# o9 P2 K关键词:动力电池荷电状态 过程模型 观测模型 采样点 卡尔曼滤波
2 ]. X. k, X" a, A0 i
4 f+ ]7 m8 r f" i: h9 p9 a! W3 U- n+ r
中图分类号: TM912
3 r8 q: Z2 F( N* c" N
" |8 p. t( E( n7 d
* ^8 `1 y& |/ _2 d* d& v6 x1 引言
& P. H7 i! p! _! b3 ^电池作为备用电源已在通信、电力系统、军事装备、电动汽车等领域得到了广泛的应用。随着环保观念的日渐深入人心,越来越多的系统开始采用电池作为主要动力供给。在这些系统中,动力电池工作状态的好坏直接关系到整个系统的运行可靠性。为确保动力电池组的性能良好,延长电池组使用寿命,须及时、准确地了解电池的运行状态,对电池进行合理有效的管理和控制。而在电池各运行状态如电池荷电状态(State of Charge,SOC)、 功率衰落、容量衰落等参数中,电池的SOC参数最为重要,其精确估算是电池能量管理系统中最核心的技术,通过Soc和其他一些相关量的变化,可以判断出电池组中各单体电池的当前状态,决定是否需要进行电池均衡或更换某--单体电池,而不影响整个电池组的整体性能["。SOC的作用与燃油汽车系统中的油量表类似,但是,剩余油量可以通过相应的传感器直接测得,而电池的SOC却无法用--种传
0 w- I" a" [( C& `6 P; Z j- W感器直接测得,它必须通过对--些其他物理量的测量并采用一定的数学模型和算法来估计得到。
3 M2 r. E6 V0 K, {. T0 A; {; {. q* n7 R& B* F, E
$ m( z+ t& x3 j9 ?! C7 n+ u5 y+ {0 t" A9 s* f
4 N4 t! s3 \) k/ L! s2 M! T1 L2 s+ K a+ w& I
% {, `, R8 B* s. F- o' }* R1 x; o$ N
) \# `5 z3 H3 y5 l. K# Y, p2 ?. n
- p) y0 _8 U+ k) r# D2 P1 k& a
: g$ b$ d8 _- d |