基于自适应卡尔曼滤波的锂电池SOC估计

被引:36
作者
彭湃
程汉湘
陈杏灿
李蕾
机构
[1] 广东工业大学自动化学院
关键词
SOC; 锂离子电池; 自适应卡尔曼滤波; Matlab; 电池管理系统;
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
考虑到传统的卡尔曼滤波策略在未知干扰噪声环境下不能对锂离子电池的荷电状态(SOC)进行准确的估计,简要论述了锂离子电池的等效电路模型,提出了自适应卡尔曼滤波方法,利用Matlab/Simulink建立了基于自适应和常规的卡尔曼滤波法的锂离子电池SOC估计的仿真模型,分析研究了在未知干扰噪声下两种滤波法的SOC估计值变化曲线以及误差关系。仿真结果表明,采用自适应卡尔曼滤波方法估计的SOC误差较传统的要小,从而有效降低了未知干扰噪声对电池管理系统所受到的影响,且具有较好的鲁棒性,为今后深入研究动力电池SOC估计方法提供了一定的参考。
引用
收藏
页码:1541 / 1544
页数:4
相关论文
共 5 条
[1]
锂离子电池SOC预测方法应用研究 [D]. 
田晓辉 .
河南科技大学,
2009
[2]
AH计量法在MATLAB环境下对锂离子电池soc的估算 [D]. 
吴池 .
天津大学,
2007
[3]
State-of-health monitoring of lithium-ion batteries in electric vehicles by on-board internal resistance estimation.[J].Jürgen Remmlinger;Michael Buchholz;Markus Meiler;Peter Bernreuter;Klaus Dietmayer.Journal of Power Sources.2010, 12
[4]
State-of-charge and capacity estimation of lithium-ion battery using a new open-circuit voltage versus state-of-charge [J].
Lee, Seongjun ;
Kim, Jonghoon ;
Lee, Jaemoon ;
Cho, B. H. .
JOURNAL OF POWER SOURCES, 2008, 185 (02) :1367-1373
[5]
锂离子动力电池参数辨识与状态估计 [J].
魏学哲 ;
孙泽昌 ;
田佳卿 .
同济大学学报(自然科学版), 2008, (02) :231-235