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) % y. B& z, u$ `/ d8 c
" G4 b w* f3 C0 r S5 G L$ P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。; F: u( f! N- p. l# ?+ l$ M+ M( P
# p3 y0 W" V) x2 ~0 v1 e7 w4 }$ d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
/ F/ w6 n0 x w8 x# a8 j: r8 l+ i$ A) ?' Q* R
% A6 E; z. Q- U1 _7 n中图分类号: TM912% r4 B2 w- f. s9 n
: x' d& v% D2 v5 R* d
. w: \3 c2 \4 l* \: K1 引言
" A- @3 Q3 C: ^# k2 x }3 q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) ^) \8 S! a+ W. G1 ]: _" n! w0 Q) R
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 o ^" R6 v. K4 U; w/ E4 i* _2 ~7 }! }3 {# x. o- l V" M( C4 u4 D
7 m7 d$ U% s7 d2 D
- g. ~+ G* n' i( L
- Q8 Z; A, |6 O6 m
) i$ A9 H- Q' m/ N/ R
9 M J! x9 O9 O! D6 i' N8 b/ x5 L6 Z: ^
7 X& }3 K6 c" Z7 [
6 _& R: S# L# N6 r
; f- X4 h: E8 L0 J+ f1 p$ ^7 q+ @, N# E2 A0 Q% A% x. s( K0 `6 ] W
| 
/1 
发表于 2020-1-10 13:39
收藏
淘帖
支持！
反对！
