基于卡尔曼滤波修正算法的电池SOC估算

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。     

基于多模型的电池SOC估计算法的研究

电池管理系统是电动汽车的重要组成部分之一,而对于电池荷电状态的精确预测和估计是电池管理系统的最重要的性能指标之一.考虑电池老化、极化、滞后现象等因素,在基于卡尔曼滤波法以及安时计量法的基础之上,提出了一种改进的复合模型SOC(state of charge)算法,并将其应用于外插式混合动力电动汽车磷酸铁锂电池管理系统.研究结果表明,改进后的复合模型算法解决了传统的安时计量法难以准确估计,以及传统的卡尔曼滤波法对于系统要求偏高等缺点,进一步深化了电池管理系统的研究.