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)
! c7 L; X" v+ ^3 y; k/ T; O4 A3 ~5 b3 l
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。
5 h A' i9 D3 I6 T! e0 n9 w' B: H* n5 t- a0 K
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
/ i- `# V7 |, @ L" }
& E4 u: X7 e" r' N0 o& @& _0 o0 |8 X7 |" T5 G* k
中图分类号: TM9126 a( B( C$ R) |3 f3 v5 K- G* @' V. a% h+ u
7 L) S5 L& H) X) R& m7 n |! z1 y! l
+ p0 m- G1 y0 X4 O2 O9 F1 引言
9 ]6 b: e2 T& z( 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
$ w c4 ~3 c3 z% W8 c' X( x3 N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。, e) K- S) T+ ~" Q# h! I5 v
- [1 r4 S* B0 `) c0 W: K( b
! S) I9 |4 n" a
# @$ k# l- E- I4 A" g1 [1 t
3 M" V7 F+ p& z) n' x- `
; S) m3 }( D3 [+ v. ~# B" |% x( d: T
0 J" K( x$ h, J. s; _7 I5 J& H7 e
; B2 k; ~' F; h) V& {# d, _2 T6 [( P$ R. s; \2 l5 I# J' _2 G* u
2 N$ O# m6 J1 f
5 O* }/ j8 u7 O! |2 g | 
/1 
发表于 2020-1-10 13:39
收藏
淘帖
支持！
反对！
