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)
. ^$ g' L% S1 X! W$ Q3 L
- O" c0 b& U1 _1 o& p! c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。
6 V/ l; p: O" e7 _* F+ A$ \ a0 G* q; n, H* g+ g v4 \5 E
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% Y4 n9 W/ n/ E3 t
' q' |4 D' ?" D$ j! e- T! e; R3 ~7 V1 ]/ v# E% V! v
中图分类号: TM912
, Y1 z; m o0 {4 @/ p! g4 J* G. y0 d+ R+ t- V2 ~3 @; `
% R, g2 w% b A$ L# r1 引言
d H; O2 Z4 W( H% `) t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
$ D: L6 g; x' f! [0 Y1 `1 B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。4 k2 U: I Y) s% {2 u5 `0 ~2 K% Z" U
6 H* m5 ^" I2 n$ R& S
: B! a- n5 D% x9 a* U& m
# @# S3 J* n, U
# {8 o5 G) |6 Q/ `
. S% L4 `& M3 P# k7 p8 _
5 s7 W- m% N) h3 u1 I- v; P0 {
% g$ l- D1 n' G# }3 D0 m0 T
' j9 g- g" G3 o9 W6 G1 U0 T6 c# |* J K* \
: n- R1 w% T' x
0 Y+ d1 _" F3 f) d |