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)
; t6 z. ?* o6 g# r6 T% K9 ~# l3 t
& ~: [+ D4 M$ j5 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 H, M+ j7 b" l% j% {5 L j
, i( P, t5 X& |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
; O5 [. B) ?; ?# H' y: i! x$ L) K% M$ ?: m; @1 s
; F$ ^7 G d3 T1 y$ ?( n
中图分类号: TM9128 A& _$ q' C* u, A
4 i. \# @6 |/ ]9 w! `+ b6 m; f9 A7 f
1 引言8 }7 ~1 k) E4 N3 { n
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; q4 {6 G% n% W' n; g
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。
& F! _6 J# u/ I# s& [
( E- U; I2 g" {! T$ c3 W5 n
- n2 ^1 C' M H" r$ F
. a, ~5 r1 R p3 K' K, s. G& B% B/ P( M% f( t# A: w( m
3 D+ z3 K" g) [) |2 Q3 Y
( M$ z; R" X/ H2 n9 W
( I' D) J1 e t$ `* c
& c8 V, u, }7 e1 b
/ |$ f% r% q2 D. k# Q
6 k4 e w5 ^5 V1 k% E- `! T9 ?5 @$ J% H" x6 \# A
|