基于改进无迹卡尔曼滤波锂电池SOC估计*

锂电池的荷电状态(SOC)估计一直是电动汽车技术的重要研究方向。在实际应用中，准确估计电池SOC不仅可延长电池寿命，提高能源利用效率，还可避免过充和过放等安全问题。基于二阶RC等效电路模型，通过遗忘因子递推最小二乘法(FFRLS)对模型进行参数辨识，在UDDS工况下阐述了四种卡尔曼滤波衍生算法，经过实验对比得到最优SOC估计算法。实验结果表明，多新息无迹卡尔曼滤波算法将系统状态单新息转换为历史状态估计矩阵，SOC估计过程中平均误差控制在073%左右，在复杂系统工况下具有较高的估计精度和鲁棒性能。     

基于电池暂态响应分析的锂电池SOC估计

锂离子电池因快速充电和长循环寿命特性,在电动汽车、电网侧储能系统中应用广泛.精准的电池荷电状态(SOC)估计有助于保障系统可靠性,延长电池系统寿命,然而在考虑电池充电和放电以及复杂工况条件造成的电池内部复杂的化学和物理变化的条件下,完成精准电池SOC估计十分困难.通过脉冲激励电池的充放电暂态响应特性分析,辨识等效电路模型参数,建立电池不同工况条件下的动态电池模型,并采用扩展卡尔曼滤波方法对纠正参数辨识和OCV-SOC映射中的误差.以Arbin测试平台估算结果作为对标,验证了所提方法的有效性.     

基于EKF算法的神经网络估算锂电池SOC

荷电状态是电池的一个重要参数,为了精确地估计电池的SOC值,建立了Thevenin等效电路模型,将EKF与神经网络结合,利用EKF算法实时更新神经网络模型的权值和阈值.Matlab仿真结果证明,EKF神经网络比BP神经网络精度高,拟合效果好,可以更精确地估算锂电池SOC.最后通过实验验证,在HPPC工况下,二阶RC锂电池模型仿真结果和实验结果的误差在2％以内,在UDDS工况下仿真结果和实验结果的误差在4％以内,模型在两种工况下的精度均符合要求.     

基于Gassing模型的锂电池SOC估计与参数辨识

具有非线性、时变性的Gassing锂电池模型具有以下两大特点[1]:模型考虑了析气现象,使其适用范围拓广到SOC＞85％的临界情况;模型考虑了温度的动态变化对系统状态变量的影响.针对该模型,基于相关的试验数据,采用双Kalman滤波算法(DKF),同时实现了对模型参数的辨识和对SOC的在线估计.台架试验和实车验证表明,...     

基于二阶斯特林插值滤波器的电池SOC估计

锂离子电池荷电状态(SOC)精确估计是延长电池寿命和安全使用的关键。为了准确估计电池的荷电状态,本文采用混合二阶RC模型和二阶斯特林插值滤波算法对锂电池的SOC值进行估计。首先对混合二阶模型的锂电池动态特性跟踪性能进行了研究,随后给出了一种基于二阶斯特林插值滤波器的锂电池SOC估计算法,并在安时积分法中加入不可用容量作为新的标准值。最后用实验数据与仿真结果进行了对比。仿真和实验的结果表明,该模型能很好地体现锂电池的动态特性,且二阶斯特林插值滤波算法有着比扩展卡尔曼滤波算法更好的估计精度,而且比起EKF能更准确的跟踪锂电池的非线性程度。     

基于在线参数辨识和ASR-UKF的锂离子电容SOC估计

以一种新型混合型超级电容器——锂离子电容为研究对象,针对其在混合动力机车应用中的SOC估计问题,建立锂离子电容的二阶等效电路模型,采用带遗忘因子的递推最小二乘法(FFRLS)和自适应平方根无迹卡尔曼滤波算法(ASR-UKF)交叉联合的方法对锂离子超级电容的荷电状态(SOC)进行估算.FFRLS可以对动态变化的模型参数进...     

基于EKF的钛酸锂电池SOC估计

精确的荷电状态(SOC)估计可以保障电池系统安全可靠地工作。钛酸锂电池优良的大倍率充放电特性使其近年来在需要大功率充放电的特种车辆上得到应用。针对使用扩展卡尔曼滤波算法估计SOC在不同模型上产生不同误差的问题,以钛酸锂电池为实验对象,针对最常用的一阶RC和二阶RC模型,利用实验数据进行了参数辨识,开展了三种不同工况下的SOC仿真研究,结果表明：两种模型的扩展卡尔曼滤波算法精度都较高,平均相对误差都在2%以内。在恒定工况下,一阶RC模型的扩展卡尔曼滤波算法有更高的精度,而在变工况下,一阶RC模型的扩展卡尔曼滤波算法比二阶RC模型精度略低,表明二阶RC模型具有更好的动态性能。     

基于自适应卡尔曼滤波的锂电池SOC估计

考虑到传统的卡尔曼滤波策略在未知干扰噪声环境下不能对锂离子电池的荷电状态(SOC)进行准确的估计,简要论述了锂离子电池的等效电路模型,提出了自适应卡尔曼滤波方法,利用Matlab/Simulink建立了基于自适应和常规的卡尔曼滤波法的锂离子电池SOC估计的仿真模型,分析研究了在未知干扰噪声下两种滤波法的SOC估计值变化曲线以及误差关系。仿真结果表明,采用自适应卡尔曼滤波方法估计的SOC误差较传统的要小,从而有效降低了未知干扰噪声对电池管理系统所受到的影响,且具有较好的鲁棒性,为今后深入研究动力电池SOC估计方法提供了一定的参考。     

基于模糊无迹卡尔曼滤波算法的锂电池SOC估计

针对未知噪声条件下在线估计锂电池荷电状态精度低的问题,提出了将无迹卡尔曼滤波算法与模糊推理相结合的模糊无迹卡尔曼滤波算法。为了验证算法的有效性,首先建立了适应于FUKF估计SOC的二阶电池模型,在此基础上,采用离线的参数辨识方法辨识模型中相应的参数并进行模型精确度验证,其次设计实验对比模糊无迹卡尔曼滤波方法与传统EKF、UKF方法的估算精度,实现FUKF方法精确度验证。实验结果表明在未知噪声条件下估算SOC,FUKF方法误差小于0.5%,EKF、UKF方法误差在0.5%～1%之间波动,FUKF方法较UKF方法具有收敛速度快、估算精度高的优点。     

基于自适应理论的锂离子电池SOC估计

磷酸铁锂电池作为我国电动汽车用动力电池的主要形式,得到广泛的研究和应用。电池负荷状态(SOC)估计是锂离子电池智能管理系统(BMS)研究的难点和重点;锂离子电池在使用过程中,工况具有很大的不确定性,而SOC用到的电池参数模型和使用工况又有很大的关系,因此本文利用自适应原理,在电池的实际使用过程中,不断的去采集电池状态信息,修正电池模型参数,适应不同的工况,完善SOC估计的功能。本文的设计思路是通过自适应测量,修正开路电压-荷电状态(OCV)曲线、实际电池容量和电池内阻曲线,然后根据修正后的参数结合安时计算方法进行综合估算,以便在电池整个寿命过程中都能判断电池状态和进行负荷状态估计(SOC)。     

电动汽车动力电池SOC估算方法综述

电池SOC估算是电动汽车电池管理系统中重要的一部分,由于电池SOC的估算受很多因素综合影响(如充放电倍率、环境温度、循环寿命、自放电等),所以很难保证SOC在实际应用中的估算精度.通过对SOC估算方法的综述,分析了各种方法的实现原理、优缺点以及目前应用情况等.研究表明,在实际的应用中,应依靠实验数据、提高硬件技术保证数据测量精度、引入电池模型、综合各种算法,扬长补短,从而提高SOC估算的精度.     

电动汽车SOC估计方法原理与应用

SOC估计是电动汽车电池管理系统的重要功能.研究人员为了提高电动汽车电池SOC估计的准确性做了大量研究工作,采用的主要方法有:放电实验法、Ah计量法、开路电压法、负载电压法、内阻法、线性模型法、神经网络法和卡尔曼滤波法.讨论了电池SOC定义;介绍了各种SOC估计方法的原理及应用中存在的优缺点;分析了充放电倍率、温度、自放电、老化等因素对SOC的影响;评价了各种SOC估计方法.     

不同温度下基于模型滤波的锂离子电池SOC估计

建立了一阶电池等效电路模型来表现电池的特性,在不同温度下对电池参数进行辨识并建立电池参数与温度的函数关系,在不同温度下利用非线性预测滤波算法对电池进行SOC估计。结果表明,在不同温度下,所提出的方法都能得到很好的估计结果。     

基于模糊卡尔曼滤波算法的动力电池SOC估计

为了改善传统卡尔曼滤波算法估计SOC时量测噪声的影响,提出了将传统卡尔曼滤波算法与模糊控制相结合的动力电池SOC的自适应估计方法。通过实时监控量测噪声实际方差与理论方差之间的差值,实现对量测噪声协方差矩阵的实时在线调整,提高算法在实际应用中的鲁棒性。通过基于联邦城市行驶工况(FUDS)验证混合算法的有效性。结果表明,基于模糊卡尔曼滤波算法的SOC估计最大误差仅为0.21%,高于传统卡尔曼滤波估计精度最大误差0.53%。仿真结果表明,该方法可以有效解决传统卡尔曼滤波算法估计不准和累计误差的问题。     

锂离子动力电池电路模型的频率特性分析

针对动力系统的不同和行驶工况的差异,锂离子动力电池电路模型具有不同的适用性。以铁路客车锂离子动力电池模型研究为背景,选取电路模型分析其本身具有的频率特性,推导出截止频率的计算公式。以功率型锰酸锂串联电池组为例,完成等效电路模型的参数辨识,由辨识得到的结果计算出一阶Thevenin模型和PNGV模型的截止频率。对比两类模型在全SOC区间的频带宽度和周期特性,定量分析各自不同的适用范围,指出一阶Thevenin模型的低通滤波特性和PNGV模型的带通滤波特性。通过分析表明,针对频率特性一阶Thevenin模型较PNGV模型更适合于铁路客车电池模型仿真,为进一步研究铁路客车电池建模提供依据。     

退役锂离子电池健康状态快速评估方法

锂离子电池退役高峰期到来,退役锂离子电池健康状态(State of Health,SOH)快速评估方法因可有效缓解电池退役问题而得到高度重视.提出一种基于层次分析(Analytic Hierarchy Process,AHP)的退役锂离子电池健康状态快速评估方法.首先选取可并行测试的健康因子并分析其可行性与有效性,并采...     

基于双卡尔曼滤波的锂电池SOC估算

以锂电池的荷电状态估算为目的,对传统锂电池等效电路模型进行改进,提高了模型的准确性,使之能更好地反应锂电池内部状态。以标称容量为2 000 m Ah,额定电压为3.7 V的18650锂电池作为研究对象,采用最小二乘法分别对该锂电池模型进行充放电方向的参数辨识。运用双卡尔曼滤波算法估算锂电池的SOC,并设计了基于安时计量法的相关测试实验。研究结果表明,双卡尔曼滤波算法估算18650锂电池SOC的绝对误差值小于0.019,具有较高的估算精度,在锂电池SOC估算领域内具有很高的实用价值。     

阀控式铅酸蓄电池的等效电路模型和参数辨识

电池模型是研究电池性能的重要工具,根据阀控式铅酸蓄电池的特性,建立一种能反应其内部特性的二阶RC电路等效模型。然后根据模型,推导出能够反映出电池性能的开路电压和内阻。设计伪随机序列作为模型激励,对铅酸电池在特定条件下的充放电实验进行模拟,利用基于遗忘因子的最小递推二乘法进行模型参数辨识。通过端电压比较法对辨识结果进行验证,结果表明:采用M序列作为激励的参数辨识方法,能够准确有效地辨识阀控式铅酸电池等效电路模型的参数,并可以对其参数的获取提供理论基础与支持。二阶等效电路模型及基于递推最小二乘算法的模型参数的辨识结果可以精确地进行充放电过程仿真。