共查询到18条相似文献,搜索用时 78 毫秒
1.
基于灰色扩展卡尔曼滤波的锂离子电池荷电状态估算 总被引:1,自引:0,他引:1
准确估算电池荷电状态(SOC)是电池管理系统的核心技术之一。为提高扩展卡尔曼滤波(EKF)估算电池SOC精度,将灰色预测模型(GM)和EKF融合,构建灰色扩展卡尔曼滤波(GM-EKF)算法用于电池SOC估算。该算法首先用GM(1,1)替代EKF算法中Jacobian矩阵,对当前时刻电池系统状态预测,即实现系统状态先验估算;再通过观测值对系统状态进行更新和修正,获得后验估算值,实现对电池SOC的估算;最后在自主搭建的电池实验平台上对电池进行模拟工况放电实验。实验结果表明,GM-EKF算法相比EKF算法,估算电池SOC具有更高的精度,估算误差不超过±0.005。研究结果对电池管理系统估算电池SOC具有现实指导意义。 相似文献
2.
3.
为了解决安时积分法无法估计电池荷电状态(SOC)初值以及在电池充放电后期估计误差明显增大的问题,基于纯电动物流车平台提出了分阶段处理思想。根据电池系统的工作状态,将估计过程分为启动初期、充放电中期和充放电后期。在启动初期和充放电中期,结合开路电压法与安时积分法来估计电池组SOC,并对安时积分公式中的相关参数进行修正。在充放电后期,应用充放电曲线修正充放电后期SOC,对安时积分法估计SOC的不足进行补偿。搭建了锂离子电池组充放电测试平台,并进行了电池组放电实验。结果表明,SOC估计误差在4%以内,并能够满足电池管理系统优化控制的应用需求。 相似文献
4.
5.
基于电池的二阶RC等效电路模型,建立了状态空间方程式,并通过离线参数辨识确定了模型的参数值。为了能够提高扩展卡尔曼滤波算法的估算精度,采用了迭代扩展卡尔曼滤波算法,对状态更新过程进行多次迭代。基于NEDC工况试验数据对算法的电池荷电状态(SOC)估算精度进行验证。迭代扩展卡尔曼滤波对测量噪声具有更好的鲁棒性,尤其是在噪声协方差较大时,能够以更快的速度收敛至真实值。 相似文献
6.
为了能够准确估计锂离子电池的荷电状态(SOC),同时对电池实际可用的最大充、放电功率进行预测,在研究电池充、放电过程中的滞回现象的基础上,建立基于电压滞回特性的二阶RC等效电路模型。为了避免因噪声统计特性造成的误差,将H∞滤波算法应用到锂离子电池的SOC估计中,减少了估计过程中的模型误差和算法误差,提高了估计的鲁棒性。将电池电压、电流和SOC的估计值作为联合约束条件预测锂离子电池实际可用的最大充、放电功率,对电池做脉冲充、放电实验,实验分析表明,与混合脉冲功率特性(HPPC)测试方法相比,联合约束算法提高了预测电池功率的准确性。 相似文献
7.
8.
估算算法先进性与否是影响锂离子电池荷电状态(SOC)估算准确度的重要因素。用扩展卡尔曼滤波(EKF)算法估算锂离子电池SOC时在低容量区和估算后期误差较大,为此将EKF算法和安时积分法(AH)相结合,提出EKF-AH联合算法。选用恒流放电及动态工况对联合算法进行实验验证。结果表明,在两个实验工况下对SOC的估算误差分别小于2%和3%。因此EKF-AH相比于EKF,估算精度提高。 相似文献
9.
针对锂离子电池的荷电状态(SOC)估算问题,给出一种综合型卡尔曼滤波算法。该算法采用递推最小二乘算法(RLS)对锂离子电池模型参数进行实时在线辨识和参数更改;采用综合型卡尔曼滤波器估计电池SOC,即针对模型状态空间方程中的线性部分和非线性部分,分别使用线性卡尔曼滤波器(KF)和平方根高阶容积卡尔曼滤波器(SHCKF)计算。两种卡尔曼滤波器结合的综合型策略能够有效减小计算复杂度。其中,SHCKF结合了五阶球面-径向容积法则和平方根滤波技术,比扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF)和容积卡尔曼滤波器(CKF)等传统非线性滤波器的估计精度更高,数值稳定性更强。实验结果证明了该综合型算法的可行性和有效性。 相似文献
10.
在电池管理系统领域,精确的荷电状态SOC(state-of-charge)估计是众多状态估计中最基础的技术之一。但在一些特定的SOC区间段内,便于实际应用的等效电路模型并不能很好地等效电池的特性,故基于传统卡尔曼滤波算法的SOC估计会出现精度下降的问题。提出一种基于增量误差的卡尔曼滤波算法,通过离线分析等效电路模型在各个SOC区间段内的性能优劣,得到各个SOC区间的噪声协方差控制表;将噪声协方差应用于对应的SOC区间段内,从而实现对全区间SOC的精确估计。实验表明在SOC低于20%的区间内,采用基于增量误差的卡尔曼滤波算法可以大大提高SOC估计精度。 相似文献
11.
基于迭代扩展卡尔曼滤波算法的电池SOC估算 总被引:1,自引:0,他引:1
采用卡尔曼滤波算法估算动力电池的荷电状态(SOC),其估算精度与SOC初值无关,但与动力电池的等效模型有关。为进一步提高SOC估算精度,充分考虑温度对电池模型参数的影响,改进电池的二阶RC等效电路模型,建立电池的非线性状态空间模型;为保证SOC估算结果的收敛性,将迭代滤波理论引入到扩展卡尔曼滤波(EKF)算法中;采用Levenberg—Marquardt(LM)方法优化迭代过程,并将其应用于动力电池SOC的估计。实验结果表明,与EKF和迭代EKF(IEKF)算法相比,采用改进的电池等效模型和优化算法,具有较好的收敛性,且提高了估算SOC的精度。 相似文献
12.
为了精确可靠估算以蓄电池为动力的电动汽车所用电池的剩余电量,在讨论目前一些蓄电池剩余电量估算方法的基础上,以聚合物锂离子电池组为研究对象,将电池荷电状态作为系统的状态,建立了单变量的锂电池组的状态空间模型,采用了开路电压法和卡尔曼滤波递推算法相结合的方法.经试验这种方法能够获得蓄电池组精确和可靠的荷电状态预测值. 相似文献
13.
基于离散滑模观测器的锂电池荷电状态估计 总被引:2,自引:0,他引:2
锂电池的荷电状态(state of charge,SOC)估计是电池管理系统的重要组成部分,针对锂电池非线性的特性,提出了采用离散滑模观测器估计锂电池荷电状态的方法,给出了离散滑模观测器的设计方法及其稳定性证明。基于锂电池的戴维南等效电路模型,给出了该方法的设计过程,在不同的充放电电流倍率和环境温度下,进行了锂电池模型的参数辨识,通过与常用的扩展卡尔曼滤波法相比较,分析了离散滑模观测器对锂电池SOC估计的精度、鲁棒性和算法复杂度等方面的性能。实验结果表明,采用该算法可实现锂电池SOC快速精确地估计,误差可控制在约3%,验证了该方法的可行性。 相似文献
14.
15.
16.
许多先进的检测技术已被证实能获取锂离子电池的荷电状态(SOC),然而目前的检测手段未能同时满足精度和效率方面的要求.利用超声波对SOC的表征已经得到初步的认可,该方法检测效率高、对电池损伤小,但存在单个声学指标与电池材料动力学特性不清晰的问题.该文在分析锂离子电池SOC声学表征研究现状的基础上,将振铃计数引入电池SOC评价中,明确SOC与振铃计数的相关性.基于Lemaitre等效应变原理推导了振铃计数与有效杨氏模量的对应关系,提出基于超声纵波的锂离子电池SOC在线检测方法,结合常规的声学指标研究了锂离子电池在充放电循环中有效杨氏模量演化规律.通过将常规的时域声学指标与振铃计数表征结果进行对比,验证了振铃计数对SOC表征的可行性. 相似文献
17.