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)
+ C4 v* f+ t0 o0 k4 ~, V. L- ^
5 O0 [/ }& `. v; Z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。/ H! I) I# b0 ?9 F# t& N
8 ~7 z" x: S: d! R
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, L. f8 h6 O) C, ~
4 F/ b" c, d1 \! b7 Z
+ I' Z# V$ o6 _9 A* g2 R3 `3 {1 l
中图分类号: TM9120 Z+ D- t. }1 P
1 Z. _9 T# b& [, ^/ y
@' j, i' P# @' m. q) b" b& G4 M; ]1 引言0 W9 W( {$ P2 A/ r! S- F' h2 o
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5 ~1 Z9 f, I* m9 z! 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。7 t8 v5 o: _8 B3 R! p3 z
/ x9 N( t$ r; D4 |) z
1 _ b; e( {0 [8 Y7 ?
: |3 E& ?; H( Y
( @+ L; T$ K( m, }: F' I9 h* k4 K0 a+ |3 S! v+ G$ O% R
6 g6 \4 H$ z6 g, H( J: ~
1 h5 [2 S8 D7 v9 W! c7 J- m# B! t% H% v }! `
7 d: G2 ?- Z% i" [. {8 x# f. ~
! q5 o$ f& I* A
- K1 G/ t1 Y6 v9 M | 
/1 
发表于 2020-1-10 13:39
收藏
淘帖
支持！
反对！
