一种基于H_∞观测器的电池荷电状态估计方法

文中提出一种基于H∞观测器电池荷电状态SOC估计方法.在传统电池SOC估计方法中,常常把电池开路电压OCV与SOC之间的关系看作是静态线性关系.实际上,电池OCV与SOC之间是随着电池周围环境变化而变化,是一种动态关系;因而如果将电池OCV与SOC之间看作是静态关系,可能导致较大SOC估计误差.根据电池OCV与SOC之间动态关系,将电池系统建模成一种非线性系统,随后设计一种H∞观测器估计电池SOC.在高压输电线路巡检机器人样机中进行了实验研究,实验结果验证了所提方法的有效性.     

基于CMAC神经网络的电池荷电状态估计

现有电池荷电状态(SOC)估计方法所需训练和学习时间较长,很难满足动力电池的实时性要求。为解决该问题,利用小脑模型关节控制器(CMAC)神经网络对电池SOC进行评估,CMAC神经网络具有学习算法简单和逼近任意非线性函数的能力。对镍氢电池的模拟测试结果表明,与反向传播神经网络相比,CMAC神经网络的学习和收敛速度较快,能实时估计出电池SOC,并使估计误差在可接受范围内。     

非线性切换系统基于观测器的容错控制器设计

针对一类具有执行器故障的非线性切换系统,研究基于系统状态估计和故障重构的容错控制问题.首先,在具有平均驻留时间(ADT)的切换信号下,设计一种切换PI观测器作为状态-故障估计器,以达到对系统状态和故障同时渐近估计的目的;其次,基于线性矩阵不等式,给出非线性切换系统观测器存在的充分条件;再次,基于PI观测器给出的状态和故障估计,提出一种非线性切换系统的容错控制器设计方法;最后,以一个电子电路为仿真实例进行分析,验证了所提出方法的可行性和适用性.     

基于Simulink的锂电池建模仿真

针对锂离子电池SOC(荷电状态)难以估算的问题,通过对电池建立等效的Thevenin电路模型,对不同时刻的SOC的模型参数进行拟合得到动态的模型参数,在Matlab中借助Simulink建立仿真模型,采用模块化结构,建立基于卡尔曼滤波算法的电池SOC估算系统;利用测得的电池电压电流,仿真系统可直接估算出实时的电池SOC,与实际的电池SOC对比,误差保持在2.5%以内,表明该方法可以有效地估计电池的SOC,对于锂离子电池在实际应用的容量估算有着重要意义。     

一类互联非线性系统的分布式故障估计观测器设计

针对一类互联非线性系统,提出一种分布式故障估计观测器设计方法.首先,将状态向量和故障向量进行增广设计,得出等价的增广互联系统;其次,利用互联子系统之间的耦合信息,设计包含关联子系统估计信息的分布式故障估计观测器,用于在线实时估计子系统中出现的故障;再次,提出基于$H_\infty$性能和$L_2-L_\infty$性能的方法求解观测器增益矩阵;最后,通过一个仿真实验表明所提出方法的可行性和有效性.     

一类不确定离散非线性时滞系统保性能控制

针对状态不完全可测的一类不确定连续离散时间非线性系统,基于状态观测器研究其保性能控制问题。采用T-S模型对非线性系统进行建模,根据李雅普诺夫稳定性理论,基于线性矩阵不等式(LMI),利用分散化并行分布补偿(PDC)的方法设计了基于观测器的控制器,给出了实现该非线性系统保性能控制的充分条件。在此基础上通过求解相应的线性矩阵不等式组给出了控制器和观测器的设计方法,并通过数值仿真验证了提出的方法,仿真结果表明该方法是正确的。     

一类非线性系统的函数观测器设计

研究单边Lipschitz非线性系统的函数观测器设计.基于线性矩阵不等式获得了函数观测器增益矩阵存在的条件,然后提出函数观测器增益矩阵的设计方法.通过一个仿真实例,验证所设计的函数观测器不仅能够估计系统的状态,而且可使观测误差快速收敛到零.     

基于RLS和EKF算法的全钒液流电池SOC估计

针对全钒液流电池的荷电状态(SOC)估计精度低、估计成本较高等问题,提出一种基于递推最小二乘算法(RLS)与扩展卡尔曼滤波算法(EKF)相结合的估计方法.该方法通过RLS算法辨识所建立的钒电池数学模型参数,通过EKF算法估计钒电池的SOC,将二者结合实现电池参数发生变化时准确估计钒电池的SOC.以5kW/ 30kWh的钒电池为对象,应用所提出的算法实现钒电池的SOC估计.结果表明,该算法可以准确估计钒电池的SOC,且可节省额外增加单片检测电池测量SOC的费用.     

自动驾驶车辆道路跟驰与状态一致性控制

针对含有未知输入和外部干扰的非线性自动驾驶车辆时变跟驰队列系统,研究系统部分状态可测情况下的车辆道路跟驰和状态一致性控制问题.基于车辆跟驰和二自由度动力学模型,得到含有外部干扰和未知输入的离散化状态方程,利用前导跟驰特性,得到自动驾驶车辆跟驰队列系统;利用比例积分状态观测器解决系统部分状态不可测问题,提出一种基于观测器实现含有未知输入和外部干扰的自动驾驶车辆状态一致性控制协议;将观测器估计效果和一致性控制问题转化为误差系统的稳定性问题,由此构造Lyapunov-Krasovkii函数,利用离散系统稳定性理论推导出一个充分条件;通过求解线性矩阵不等式(linear matrix inequality, LMI)得到跟驰系统的增益矩阵和参数矩阵,利用H_∞性能指标分析系统鲁棒性.仿真结果表明:所设计观测器能够估计未知输入、外部干扰和系统状态,并且基于观测器设计能够使自动驾驶车辆道路跟驰和状态达到一致.     

基于无迹卡尔曼滤波单液流锌镍电池SOC估计

针对单液流锌镍电池荷电状态估计(SOC)还未较有为完善的解决方案,提出一种基于无迹卡尔曼滤波(UKF)算法的单液流锌镍电池SOC估计.对单液流锌镍电池工作原理进行介绍,建立单液流锌镍电池二阶等效电路模型,并对电池内部参数进行辨识,通过利用扩展卡尔曼滤波算法(EKF)和无轨迹卡尔曼滤波算法(UKF)分别对单液流锌镍电池的SOC估计,经过仿真分析两种算法的误差,进一步说明无迹卡尔曼滤波算法有较高的精确度,估计误差在2％以内,能够满足单液流锌镍电池荷电状态估计要求.     

An adaptive sliding mode observer for lithium-ion battery state of charge and state of health estimation in electric vehicles

As the demand for electric vehicle (EV)'s remaining operation range and power supply life, Lithium-ion (Li-ion) battery state of charge (SOC) and state of health (SOH) estimation are important in battery management system (BMS). In this paper, a proposed adaptive observer based on sliding mode method is used to estimate SOC and SOH of the Li-ion battery. An equivalent circuit model with two resistor and capacitor (RC) networks is established, and the model equations in specific structure with uncertainties are given and analyzed. The proposed adaptive sliding mode observer is applied to estimate SOC and SOH based on the established battery model with uncertainties, and it can avoid the chattering effects and improve the estimation performance. The experiment and simulation estimation results show that the proposed adaptive sliding mode observer has good performance and robustness on battery SOC and SOH estimation.     

A Nonlinear Observer Approach of SOC Estimation Based on Hysteresis Model for Lithium-ion Battery

In this paper, a state of charge (SOC) estimation approach for lithium-ion battery based on equivalent circuit model and the input-to-state stability (ISS) theory has been proposed. According to the electrochemical performance of lithiumion battery, the equivalent circuit model with two RC networks is established, which includes hysteresis characteristic in inner electrochemical response process.The nonlinear relation between open circuit voltage (OCV) and SOC is obtained from a rapid test.Exponential fitting method is used to identify the parameters of the model.A novel state observer based on ISS theory is designed for lithium-ion battery SOC estimation.The designed observer is tested on AMESim and Simulink co-simulation.The simulation results show that the proposed method has a high SOC estimation accuracy with an error of about 2 percent.      

基于扩展卡尔曼滤波法的矿用可移动救生舱蓄电池荷电状态估计

针对基于安时计量法的矿用可移动救生舱蓄电池荷电状态SOC估计在环境温度或放电电流波动较大的情况下精度较低的问题,提出了一种基于扩展卡尔曼滤波法的矿用可移动救生舱蓄电池SOC估计方法。该方法在安时计量法的基础上,把影响蓄电池SOC估计的环境温度和放电电流因素作为蓄电池系统的噪声,采用扩展卡尔曼滤波法的优化估计递推算法对蓄电池SOC进行实时滤波与估计,从而提高了蓄电池SOC的估计精度。实验结果表明,该方法的蓄电池SOC估计结果与实测值基本一致,可用于矿用可移动救生舱蓄电池管理系统中。     

基于CARMA模型的动力电池荷电状态估计

为完善电动汽车电池管理系统的主要功能,实现对电池准确建模及荷电状态(state of charge,SOC)的准确估计,文章基于二阶RC等效电路建立了一种受控自回归滑动平均模型(controlled auto-regressive moving average,CARMA),推导得到电池开路电压(open circuit voltage,OCV)的最优估计,并结合分段建立的电池OCVSOC模型实现电池SOC估计,从而实现了电池模型参数在线实时辨识以及SOC实时估计,解决了因初值设定不合理而影响SOC估计准确度的问题。仿真结果表明:在美国联邦城市运行工况下,SOC估计误差的绝对值不超过2.39%,实现了较为准确的SOC估计。     

基于LTC6803-4的电池管理系统信号采集技术研究

为延长储能系统电池使用寿命和降低电池使用成本,开发了基于LTC6803-4的电池信号采集单元.采用LTC6803-4解决了电池管理系统中电压信号采集电路复杂的问题,独立电源给芯片供电能够实现掉电情况下的电池状态监控,而可扩展的电路结构实现了温度信号的采集,并借助双重霍尔电流传感器实现了电流信号的精确采集,标准电池包的数据通过CAN总线传输到集中控制单元进行数据处理.从硬件结构和软件编程两方面做了详细讨论,性能测试表明,电池管理系统信号采集单元性能稳定,精度高,能够为电池均衡、荷电状态估算和集中监控提供精确数据,完全能够满足实际需要.     

动力电池管理系统的设计与仿真研究

目前电源管理系统的工况适用性差,无法针对当前路况进行实时调节,降低了电池的循环寿命。针对这一问题,提出了一种基于单片机的可切换电池成组的电源管理系统,把放电电压和电流作为修正量,采取EKF算法提高SOC的估算精度。实验表明：采用单体电池放电试验,验证采集模块设计的准确性,并利用Simulink对工况仿真,验证了SOC估算的准确性和系统根据不同工况自动切换电池成组方式的可靠性。     

FPGA implementation of extended Kalman filter for SOC estimation of lithium‐ion battery in electric vehicle

A FPGA implementation for a model‐based state of charge (SOC) estimation is described in this paper. A Thevenin equivalent circuit model is designed for SOC estimation. The extended Kalman filter (EKF) is designed to complete the SOC estimation, and the error is within 1 % . The FPGA is chosen to achieve realtime SOC estimation. A fast matrix method is proposed to improve the calculation speed of the EKF in FPGA because the EKF algorithm requires many matrix operations. In addition, the embedded system based on the FPGA with a system on a programmable chip (SOPC) technique is built using the Qsys platform in Quartus II. Based on the embedded system, an online testing platform is established to monitor the terminal voltage and load current of the experimental battery in real time; experimental results show that the online SOC estimation is successful. The measurement results show that the FPGA embedded scheme of the EKF allows for successful implementation of the SOC estimation with accuracy and speed. The fast matrix method requires 0.00007 s to implement the SOC estimation and is four times faster than the conventional matrix method.     

基于UKF的电动汽车锂电池SOC估计方法

准确估计电池的荷电状态(SOC,state of charge)是电动汽车电池管理系统研究的关键技术。基于Thevenin模型建立了状态空间方程组,采用无色卡尔曼滤波(UKF,unscented Kalman filtering)算法实现非线性条件下的SOC准确估计。硬件在环仿真试验表明:UKF估计误差小于5%,且当SOC值低于50%时,其估计结果明显优于扩展卡尔曼滤波(EKF,extended Kalman filtering)方法,有较高的实用价值。     

Fractional Modeling and SOC Estimation of Lithium-ion Battery

This paper proposes a state of charge (SOC) estimator of Lithium-ion battery based on a fractional order impedance spectra model. Firstly, a battery fractional order impedance model is derived on the grounds of the characteristics of Warburg element and constant phase element (CPE) over a wide range of frequency domain. Secondly, a frequency fitting method and parameter identification algorithm based on output error are presented to identify parameters of the fractional order model of Lithium-ion battery. Finally, the fractional order Kalman filter approach is introduced to estimate the SOC of the lithium-ion battery based on the fractional order model. The simulation results show that the fractional-order model can ensure an acceptable accuracy of the SOC estimation, and the error of estimation reaches maximally up to 0.5% SOC.