共查询到20条相似文献,搜索用时 31 毫秒
1.
锂电池荷电状态(SOC)的精确估计是电动汽车安全行驶的保障。为了降低实际复杂工况下电池模型不契合实际电池参数时变特性造成的误差,采用无迹卡尔曼滤波算法(UKF)对电池模型进行在线参数辨识,再联合自适应无迹卡尔曼滤波算法(AUKF)估计锂电池SOC,将时变参数反馈到SOC估计的模型中,提高SOC估计精度和对各工况适应性,UDDS工况下通过与离线扩展卡尔曼滤波算法(EKF)、在线双扩展卡尔曼滤波算法(DEKF)进行比较分析,实验结果验证了UKF-AUKF的精确性和鲁棒性。 相似文献
2.
基于卡尔曼滤波修正算法的电池SOC估算 总被引:2,自引:0,他引:2
电池荷电状态(SOC)的估算是电池管理系统的核心内容,SOC估算准确与否,将直接影响到电池管理系统的决策和控制。在结合开路电压法、安时法的基础上,充分利用扩展卡尔曼滤波法的修正功能,综合考虑电池充放电倍率、温度和充放电循环次数等因素对SOC估算的影响,提出了卡尔曼滤波修正算法,并将其应用在插电式混合动力汽车电池管理系统中。研究结果表明,卡尔曼滤波修正算法有效地解决了传统安时法无法估计SOC初值和误差累积,以及开路电压法需要电池静置无法做到在线估算SOC等问题,获得了更高的估算精度,为电池管理系统提供一种实用的SOC估算方案。 相似文献
3.
4.
锂电池荷电状态及健康状态是电池管理系统的核心参数。以三元锂电池为研究对象,利用二阶RC等效电路实现对电池性能表征,改进扩展卡尔曼滤波算法,提出一种新型双自适应卡尔曼滤波算法,实现三种工况下荷电状态与健康状态联合估算。以安时积分估算结果作为参考,提出的荷电状态估算方法较扩展卡尔曼滤波算法,精度有显著提高。在HPPC工况下,平均误差减少1.529%,最大误差减少2.162%;在BBDST工况下,平均误差减少0.228%,最大误差减少3.580%;在DST工况下,平均误差减少0.436%,最大误差减少5.997%。以遗忘因子最小二乘法估算结果作为参照,健康状态的估算结果有效模拟了实际情况,HPPC工况下偏差在4%以内,BBDST工况下偏差在3%以内,DST工况下偏差在6%以内,能有效追踪电池状态变化。 相似文献
5.
基于UKF的动力电池SOC估算算法研究 总被引:1,自引:0,他引:1
动力电池荷电状态(SOC)在线估算对于混合电动汽车蓄电池管理系统有着举足轻重的意义。针对动力电池SOC估算算法中应用广泛的扩展卡尔曼滤波法(EKF)在非线性系统应用时存在的精度损失问题,采用无迹卡尔曼滤波法(UKF)以提高估算精度。研究了一种改进的电动势(EMF)电池等效模型,讨论了该模型的参数和空间状态方程,并将UKF应用于该模型估算SOC。由实验分析可知,对比采用开路电压法得出的SOC真实值,UKF结合EMF电池等效模型在估算算法中有较高的精度,其估算误差小于5%,且SOC估计结果明显优于EKF,具有较高的实用价值。 相似文献
6.
准确估计动力电池的荷电状态(SOC)及健康状态(SOH)是电池领域的关键性技术,对正在服役的动力电池进行全面安全精确的管理是保障电动汽车安全高效运行的前提。以二阶RC等效电路模型为基础,运用无迹卡尔曼滤波算法(UKF)对电池SOC和欧姆内阻进行实时估计,再利用电池欧姆内阻与SOH的关系,实现了对SOH的实时估计。与传统的扩展卡尔曼滤波算法相比,无迹卡尔曼滤波算法无需对状态方程进行线性化处理,不存在截断误差,具有更高的估算精度与稳定性。 相似文献
7.
8.
9.
10.
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
11.
12.
13.
14.
15.
电动汽车作为新能源汽车的一种,其动力电池的性能是关系到电动汽车推广应用的重要因素。在电动汽车的实际运行中,需要对电池电压、电流、温度等信号实时采集以及对电池内部参数在线估算。为了实现电池组的在线监测和管理,设计了一种采用微处理器做主控制模块的电池管理系统。该系统采用集中式的管理模式对汽车电池组进行测试和分析,设计完成系统控制、信息采集和数据通讯,工作环境抗干扰措施等功能,实现了一种基于双卡尔曼滤波算法的电池荷电状态(SOC)的估算,并利用Lab VIEW实现上位机系统的界面设计。在实际测试中,采用该系统同时对192节锂电池进行监控,实现了电压、环境温度等信息的在线测量,电池荷电状态(SOC)的估算误差不超过1%。 相似文献
16.
车载动力电池的荷电状态(state of charge,SOC)不仅影响电池的循环寿命,而且影响整车的安全性。快速而准确的荷电状态估算是电源管理系统的重要组成部分。通过对实验数据进行曲线拟合,分析了荷电状态的影响因素。将扩展卡尔曼滤波算法(extended kalman filter,EKF)和无迹卡尔曼滤波算法((unscented kalman filter,UKF)应用到动力电池SOC估算中,针对机场电动摆渡车特殊的运行特点,设计合理的SOC估算算法,用MATLAB进行仿真并分析算法的快速性和准确性。 相似文献
17.
18.
19.