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) # J/ X* V4 P" C9 d$ i
9 W1 v( B" g1 b* p0 H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。% l" R. i! z) u' t+ q
4 `$ B0 a+ O& S0 E u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$ @" |9 X) \- B- ~$ H5 `( I* `( X
; \! O3 G- N# W6 T8 U5 g+ M
8 ]" M/ k$ j$ z* @; j
中图分类号: TM912* ?) m5 U& P. O$ A s
' N( }$ Q' n5 x- c) S. X3 G( s
J0 t- t; b5 D4 j
1 引言1 n/ d) }; |. I! ^0 v1 |; F
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
3 i) W' c+ j8 E) p* s0 R! }: o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。2 j( C- M5 a! E3 S. W/ O4 y
# b' t6 ~3 b( z. s! h# d
( t# T* H, ^) F& Y" R
- E/ L: v& n( s( d- \4 N9 x* R
6 H9 N- G$ f4 C' A, @4 ~# l& c
% {2 l2 b! ?( f$ q5 w
, ]4 t' P/ } ?" M, j/ v
7 v, H# m/ w$ B9 N" W' a( \" H
: e% ~" |8 l+ P; I8 e5 g
+ c1 D5 E4 V6 s! E/ n! b) H% t% k5 F5 {8 h4 k
|