基于加权多新息AEKF的锂电池SOC在线估算

为实现大功率锂离子电池荷电状态的实时准确估算,以三元锂离子电池为研究对象,提出了一种加权多新息理论与自适应扩展卡尔曼滤波相结合的算法.利用多个时刻的残差和卡尔曼增益对估计值进行校正,并根据所包含的信息量为每个残差配置不同的权重.通过对系统噪声协方差和误差协方差的实时更新,自适应地调节和修正当前估计值.为验证算法合理性,采用二阶RC等效电路模型来表征电池动态特性,并在不同工况下进行实验验证.实验结果表明,在DST和BBDST工况下的估算均方根误差分别为1.31％和1.23％,验证了所提出算法具有良好的精度和收敛性.加权多新息自适应扩展卡尔曼滤波算法为锂电池的精确状态估算和广泛应用提供了理论基础.     

无人机锂电池电路等效和荷电状态智能计算估计

锂电池电池管理的核心是电池荷电状态(SOC)的实时准确估算。为精确实时估算SOC值,以无人机(UAV)锂电池为研究对象,建立戴维南等效电路模型,对电池进行试验测量、研究分析。首先,运用开路电压法标定锂电池的估算初值,在卡尔曼滤波算法的基础上进一步改良优化得到扩展卡尔曼滤波(EKF)算法。然后,将该算法运用到SOC估算中,即可在较短时间内高精度的估算出无人机锂电池的实时SOC值。在MATLAB/Simulink中搭建对应电池模型输入算法进行运行,并对得到的结果与实际数据进行比较、论证。试验表明,基于戴维南模型的EKF算法能很好地对无人机锂电池SOC进行估算,收敛效果好而且估算精度高于98.5%。扩展卡尔曼算法可以很准确地估算出无人机锂电池的实时SOC值。