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)
8 L' ^" d1 h! G6 P$ o* \2 _) Z5 P- ^$ T1 ]! k) o
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。
% `% S- z/ x* u7 I
$ j1 C+ _7 n. s& h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
; X/ Q/ o2 K; M# L* X' Q- A! z2 T/ N8 D
4 Z6 F% W: T; U
中图分类号: TM9126 w1 n3 {+ D& ^! U$ Z
" p3 Q7 Y6 z- I2 z- u G4 I4 ]/ Q2 h& ^" c) ^ Y
1 引言
1 n/ e0 S& J& U( r3 m1 h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
! B0 t, O/ W A% r$ S- } ]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。2 c: _0 s( b6 I# Q( J% Q2 n
3 I, t6 t- y: D' j) k
" a! f" ?1 j, d' c# D) _: e+ m7 M4 ?* Z: @; m& m, w8 t+ K2 O
/ y1 g( [" U+ e. N3 E. A# `: q! w& L; B/ Y9 C, N
1 x$ i( z) S4 r% q/ U3 s8 n8 h
7 n% c ]9 F! x5 X" a
! H( R) B+ B4 W; d; F K% Q
( Q5 `/ V! h9 n: H4 F. _6 M5 d+ t- z6 m) H% S! p* h
- B$ p4 g) E6 f- y, n* H | 
/1 
发表于 2020-1-10 13:39
收藏
淘帖
支持！
反对！
