基于无迹粒子滤波的车载锂离子电池状态估计

被引：76

作者：

谢长君 ^{[1
,2
]}

费亚龙 ^{[1
]}

曾春年 ^{[1
,2
]}

房伟 ^{[1
]}

机构：

[1] 武汉理工大学自动化学院

[2] 武汉理工大学汽车工程学院

来源：

电工技术学报 | 2018年 / 33卷 / 17期

关键词：

荷电状态; 锂离子电池; 无迹卡尔曼滤波; 粒子滤波; 无迹粒子滤波;

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：

传统的无迹卡尔曼滤波(UKF)和粒子滤波(PF)算法估计动力锂离子电池的荷电状态(SOC)时,常会出现电池模型参数不准确或粒子退化等问题导致估计精度差甚至系统发散等现象。为解决粒子匮乏和噪声干扰等问题,提出一种改进的估计算法——无迹粒子滤波算法(UPF)以实现SOC的精确估计。运用无迹卡尔曼算法为每个粒子计算均值和协方差,解决粒子滤波技术中粒子退化的问题。通过锂离子电池充放电实验,对等效模型进行辨识,最后在脉冲充放电和UDDS动态工况下对该算法进行测试验证。实验结果证明,基于二阶RC等效电路模型的UPF算法能显著提高SOC估计的实时性和精确性,其SOC估计精度在2%以内,收敛速度在250 s内。

引用

页码：3958 / 3964

页数：7

共 13 条

[1]

基于分数阶理论的车用锂离子电池建模及荷电状态估计 [J].

刘树林 ;

崔纳新 ;

李岩 ;

张承慧 .

电工技术学报, 2017, 32 (04) :189-195

[2]

优化电池模型的自适应Sigma卡尔曼荷电状态估算 [J].

刘毅 ;

谭国俊 ;

何晓群 .

电工技术学报, 2017, 32 (02) :108-118

[3]

锂离子电池建模及其荷电状态鲁棒估计 [J].

陈息坤 ;

孙冬 ;

陈小虎 .

电工技术学报, 2015, 30 (15) :141-147

[4]

基于自适应理论的锂离子电池SOC估计 [J].

朱小平 ;

张涛 .

电气技术, 2013, (07) :47-50

[5]

Li-ion dynamics and state of charge estimation[J] Mingheng Li Renewable Energy 2017,

[6]

State-of-charge estimation in lithium-ion batteries: A particle filter approach[J] Aditya Tulsyan;Yiting Tsai;R. Bhushan Gopaluni;Richard D. Braatz Journal of Power Sources 2016,

[7]

Inline state of health estimation of lithium-ion batteries using state of charge calculation[J] Saeed Sepasi;Reza Ghorbani;Bor Yann Liaw Journal of Power Sources 2015,

[8]

A novel approach for state of charge estimation based on adaptive switching gain sliding mode observer in electric vehicles[J] Xiaopeng Chen;Weixiang Shen;Zhenwei Cao;Ajay Kapoor Journal of Power Sources 2014,

[9]

A novel model of the initial state of charge estimation for LiFePO 4 batteries[J] Yanhui Zhang;Wenji Song;Shili Lin;Ziping Feng Journal of Power Sources 2014,

[10]

State of charge estimation for Li-ion batteries using neural network modeling and unscented Kalman filter-based error cancellation[J] Wei He;Nicholas Williard;Chaochao Chen;Michael Pecht International Journal of Electrical Power and Energy Systems 2014,

← 1 2 →