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)
7 H9 t/ y8 T) Y4 b' O( L3 K: r9 T/ e* F/ h- 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。9 O& {% q! T! x Q$ p1 d
/ [1 C1 z. i9 [+ `0 b4 f
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7 g/ Q) A. j$ F
/ C/ i# L# e5 A1 q+ c5 A1 |1 |
, a4 g, R3 t& V# \3 u中图分类号: TM912
5 b3 M( I( S/ j, s' ^
) |! f' [- |, o) M# N! F& o |' B
1 引言
& }1 h2 K8 B* q9 W3 c5 ~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
* a- n7 a7 e4 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。. r! j2 f; W2 u. O
@5 g* ^- ~5 f- Q
6 R% O0 l5 a0 q
. q. k, z( x7 M+ @: e, g
9 x2 A( P0 `& [
/ W! C& Y# Y9 s3 V# d0 Z5 @: P! f; n6 ^8 p! d- k
3 L, o: f& U7 t& O5 F
* c$ D H6 `! K$ a- K4 s5 J5 k8 w* z3 I- L8 ?
$ R! z. l! ]" {$ e% S1 R3 z
6 X7 s3 z: i& W& o2 k | 
/1 
发表于 2020-1-10 13:39
收藏
淘帖
支持！
反对！
