基于联合扩展卡尔曼滤波法的锂电池SOC估算

锂电池荷电状态(SOC)的精确估计一直是电池管理系统的核心任务之一。电流传感器中存在非零均值的电流漂移噪声,这些噪声会造成不可避免的估计误差。为减少电流漂移噪声对估算造成的不利影响,提出了联合扩展卡尔曼滤波法,以Thevenin模型为锂电池等效电路模型,将电流漂移值作为状态变量与电池SOC进行同步预测。实验和仿真结果表明,该方法能有效抑制电流漂移噪声,提高估算精度。     

动力锂电池SOC估算研究其管理系统设计

在研究现有荷电状态(SOC)估算方法优缺点的基础上,采用了扩展卡尔曼滤波法(EKF)估算动力锂电池SOC。以卡尔曼滤波算法为基础,建立了基于戴维宁电池模型的状态空间表达式。根据估算误差分析及锂电池工作特性,对EKF中的卡尔曼滤波增益进行分类修正。设计了一套以DSP为主控制器的管理系统。仿真和实验表明,在模拟汽车工况条件下,改进EKF大大提高了估算精度,均衡方案可有效补偿电池组间不一致性。     

纯电动汽车锂电池组均衡系统研究与设计

针对纯电动汽车串联锂电池组在使用时出现的不一致性造成的不利影响,设计了一套电池组均衡系统。提出了一种基于修正因子的5点修正荷电状态(SOC)的新型估算方法,并给出了电池信号采集电路、通信电路及均衡电路的设计。仿真和实验结果表明均衡电路能实现恒流控制,新型SOC估算方法能准确估算锂电池的SOC值,同时该均衡系统可改善电池组间的不一致性。     

基于SOC的锂离子电池组均衡控制

不一致性问题极大地降低了锂离子电池组的整体性能,均衡控制是目前能有效改善电池组间不一致性的唯一办法。在分析了目前主流均衡设计方案的基础上,针对Buck-Boost均衡电路,提出了以锂电池荷电状态（SOC）为均衡对象的均衡控制策略。同时,设计了一种新式的基于双模型自适应扩展卡尔曼滤器的SOC估算方法。实验结果表明,该均衡控制策略改善了电池组间的不一致性,提高了容量利用率。