双卡尔曼滤波算法在锂电池SOC估算中的应用

被引：72

作者：

王笑天 ^{[1
,2
]}

杨志家 ^{[1
]}

王英男 ^{[3
]}

王忠锋 ^{[1
]}

机构：

[1] 中国科学院沈阳自动化研究所

[2] 中国科学院大学

[3] 辽宁省电力有限公司沈阳供电公司

来源：

仪器仪表学报 | 2013年 / 34卷 / 08期

关键词：

双卡尔曼滤波; 荷电状态; 锂离子电池; 电池模型;

D O I：

10.19650/j.cnki.cjsi.2013.08.008

中图分类号：

TM912 [蓄电池];

学科分类号：

0808 ;

摘要：

以在线估计锂离子电池组的荷电状态(SOC)为目的,建立了双卡尔曼滤波(DEKF)算法。以Thevenin电池模型和卡尔曼滤波算法为基础,对电池模型建立了状态空间表达式。分别采用最小二乘法和DEKF算法对该模型参数进行辨识,提高了该模型的精度,使电池模型能够较好地反映电池内部的真实状态。介绍了双卡尔曼滤波算法在线估算荷电状态的原理,并设计了相关的电池测试实验。实验结果表明在不同的工况环境下,该算法在线估计SOC具有较高的精度和对环境的适应度,最大误差小于4.5%。最后,验证了DEKF算法具有较好的收敛性和鲁棒性,可以有效解决初值估算不准和累积误差的问题。

引用

页码：1732 / 1738

页数：7

共 15 条

[1] 燃料电池混合动力汽车的一种能量控制方法 [J].

贾晓燕 .

信息与控制, 2012, 41 (06) :786-792

[2] 磷酸铁锂电池组成组过程的不一致性分析 [J].

李腾 ;

林成涛 ;

陈全世 .

清华大学学报(自然科学版), 2012, 52 (07) :1001-1006

[3] 锂离子电池SOC与模型参数联合估算研究 [J].

张利 ;

朱雅俊 ;

刘征宇 .

电子测量与仪器学报, 2012, 26 (04) :320-324

[4]

自适应卡尔曼滤波器在车用锂离子动力电池SOC估计上的应用[J]. 熊瑞,孙逢春,何洪文.高技术通讯. 2012 (02)

[5] 基于神经网络的磷酸铁锂电池SOC预测研究 [J].

尹安东 ;

张万兴 ;

赵韩 ;

江昊 .

电子测量与仪器学报, 2011, 25 (05) :433-437

[6] 磷酸铁锂电池SOC估算方法研究 [J].

时玮 ;

姜久春 ;

李索宇 ;

贾容达 .

电子测量与仪器学报, 2010, 24 (08) :769-774

[7] 基于等效电路的内阻自适应锂离子电池模型 [J].

戴海峰 ;

魏学哲 ;

孙泽昌 .

同济大学学报(自然科学版), 2010, 38 (01) :98-102

[8] 锂离子动力电池参数辨识与状态估计 [J].

魏学哲 ;

孙泽昌 ;

田佳卿 .

同济大学学报(自然科学版), 2008, (02) :231-235

[9] 电流输入电动汽车电池等效电路模型的比较 [J].

林成涛 ;

仇斌 ;

陈全世 .

机械工程学报, 2005, (12) :76-81

[10]

State-of-health monitoring of lithium-ion batteries in electric vehicles by on-board internal resistance estimation[J] . Jürgen Remmlinger,Michael Buchholz,Markus Meiler,Peter Bernreuter,Klaus Dietmayer.Journal of Power Sources . 2010 (12)

← 1 2 →