基于EKF的锂电池SOC估算与试验研究

被引:26
作者
袁学庆
张阳
赵林
李博
机构
[1] 中国科学院沈阳自动化研究所
关键词
SOC估计; 扩展卡尔曼滤波; 锂电池;
D O I
暂无
中图分类号
TM912 [蓄电池];
学科分类号
080802 [电力系统及其自动化];
摘要
锂离子电池以其无泄漏、无污染、无噪声等优点,近年来广泛应用于工业及生活领域。目前常用的基于扩展卡尔曼滤波(EKF)的锂电池SOC(荷电状态)估计方法由于建模不准确而导致估计结果误差较大,严重影响到电池管理系统的性能及整机系统的控制。针对该问题,采用精度较高的Randles模型,并在拟合电池的OCV(开路电压)-SOC曲线时通过引入自然指数函数并增加多项式阶数等方法提高拟合精度。使用EKF对锂电池SOC进行估计,与理论结果相比模型改进后估计误差的标准差比改进前下降了64.43%。试验结果表明通过改进电池模型大大提高了基于EKF方法的锂电池SOC估计精度,对于提高电池管理系统以及整机系统性能具有重要意义。
引用
收藏
页码:2587 / 2589+2615 +2615
页数:4
相关论文
共 10 条
[1]
一种基于车辆运动微分模型的EKF-SLAM算法 [J].
王道斌 ;
梁华为 ;
祝辉 ;
付静 ;
陶翔 .
信息与控制, 2014, 43 (01) :82-87
[2]
基于EKF算法的磷酸铁锂电池在线SOC估算 [J].
周翔 ;
赵韩 ;
江昊 .
合肥工业大学学报(自然科学版), 2013, 36 (04) :385-388+394
[3]
基于采样点卡尔曼滤波的动力电池SOC估计 [J].
高明煜 ;
何志伟 ;
徐杰 .
电工技术学报, 2011, 26 (11) :161-167
[4]
一种基于预测开路电压的SOC估算方法附视频 [J].
徐欣歌 ;
杨松 ;
李艳芳 ;
陈文芗 .
电子设计工程, 2011, (14) :127-129
[5]
基于神经网络的磷酸铁锂电池SOC预测研究 [J].
尹安东 ;
张万兴 ;
赵韩 ;
江昊 .
电子测量与仪器学报, 2011, 25 (05) :433-437
[6]
基于量子粒子群算法的SOC测试调度优化研究 [J].
许川佩 ;
胡红波 .
仪器仪表学报, 2011, 32 (01) :113-119
[7]
基于EKF的动力锂电池SOC状态预测 [J].
范波 ;
田晓辉 ;
马建伟 .
电源技术, 2010, 34 (08) :797-799
[8]
提高安时积分法估算电池SOC精度的方法比较 [J].
李哲 ;
卢兰光 ;
欧阳明高 .
清华大学学报(自然科学版), 2010, 50 (08) :1293-1296+1301
[9]
基于UKF的电动汽车锂电池SOC估计方法 [J].
毛群辉 ;
滕召胜 ;
方亮 ;
冯勇 .
测控技术, 2010, 29 (03) :89-91
[10]
Rapid test and non-linear model characterisation of solid-state lithium-ion batteries.[J].Suleiman Abu-Sharkh;Dennis Doerffel.Journal of Power Sources.2004, 1