基于采样点卡尔曼滤波的动力电池SOC估计

mytomorrow

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)

% K. o& C1 H5 K# k- a( D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。
$ r0 @0 X+ F% j7 I& g7 _# \
' V/ }, N0 T9 |6 n: u8 G! N9 k& R, 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


中图分类号: TM912
/ y/ ~3 i* ^& T: E* x  N. o

1 引言
0 m% K1 u' R8 [/ l. Z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
; ]/ F2 K( q5 C& r# h1 f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。

4 W  |' J  ~, C& o# E- O" S

游客，如果您要查看本帖隐藏内容请回复

4 G6 ^: @% m/ e! o: I
( V1 H3 M7 a& n- N. g1 P/ }



- Y% O5 j% V# a. N- p0 K2 N' f
1 b- Y9 B! o* G' P! k
. B5 J9 J3 b+ ^" Y- m5 @6 {& W+ v

xixihahaheihei

学习一下基于采样点卡尔曼滤波的动力电池SOC估计

琪姐2020

现在用电池，然后得测试电池的各种参数来写程序来学习学习

cuiyaping2515

学习一下

_chen_

学习一下

wangqin

solo..........