基于自适应回归扩展卡尔曼滤波的电动汽车动力电池全生命周期的荷电状态估算方法

被引：80

作者：

刘芳 ^{[1
,2
]}

马杰 ^{[1
]}

苏卫星 ^{[1
]}

窦汝振 ^{[3
]}

林辉 ^{[4
]}

机构：

[1] 天津工业大学计算机科学与技术学院

[2] 天津清源电动车辆有限责任公司

[3] 中国汽车技术研究中心

[4] 东软睿驰汽车技术有限公司汽车电子研究院

来源：

电工技术学报 | 2020年 / 35卷 / 04期

关键词：

电池荷电状态; 扩展卡尔曼滤波算法; 自回归模型; 电动汽车; 动力电池; 电池管理系统;

D O I：

暂无

中图分类号：

TM912 [蓄电池]; U469.72 [电动汽车];

学科分类号：

080802 [电力系统及其自动化]; 082301 [道路与铁道工程];

摘要：

该文针对传统扩展卡尔曼滤波(EKF)算法对电池数学模型精确的高度依赖与动态电池模型难以精确获得之间的矛盾问题,提出一种完全数据驱动的基于改进EKF算法的动力电池全生命周期荷电状态(SOC)估计方法。该方法为数据驱动的SOC估计方法和基于模型的SOC估计方法的良好结合,其优点在于:一方面抑制数据驱动方法存在累积误差的问题,并保留其良好的动态特性;另一方面改善基于模型的算法过度依赖电池模型的缺点,并保留其很好的鲁棒特性。该方法的创新之处在于将等效电路中难以获知的一部分视为以电池电流为输入,以内部电压为输出,以电池内部阻抗为时变参数的黑箱系统,并加以动态在线辨识,获得实时的动力电池真实状态,从而保证电池模型的准确性和动态性,真正实现动力电池全生命周期的SOC估算。仿真结果表明,该方法具有较好的鲁棒性和实用性。

引用

页码：698 / 707

页数：10

共 14 条

[1]

基于遗传算法的SS型磁耦合WPT系统负载与互感识别方法 [J].

苏玉刚 ;

陈龙 ;

吴学颖 ;

卿晓东 ;

唐春森 .

电工技术学报, 2018, 33 (18) :4199-4206

[2]

充电模态下电动汽车动力电池模型辨识 [J].

刘伟龙 ;

王丽芳 ;

廖承林 ;

王立业 .

电工技术学报, 2017, 32 (11) :198-207

[3]

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

[4]

基于分数阶联合卡尔曼滤波的磷酸铁锂电池简化阻抗谱模型参数在线估计 [J].

李晓宇 ;

朱春波 ;

魏国 ;

逯仁贵 .

电工技术学报, 2016, 31 (24) :141-149

[5]

“电能替代”战略中电动汽车的推广潜力及经济性分析 [J].

吴奇珂 ;

程帆 ;

陈昕儒 .

电气技术, 2016, (09) :88-92+97

[6]

电池SOC的自适应平方根无极卡尔曼滤波估计算法 [J].

胡志坤 ;

刘斌 ;

林勇 ;

王文祥 ;

彭小奇 .

电机与控制学报, 2014, 18 (04) :111-116

[7]

电化学阻抗谱法预测锂电池荷电状态 [J].

李革臣 ;

古艳磊 .

电源技术, 2008, (09) :599-602

[8]

Computational model of 18650 lithium-ion battery with coupled strain rate and SOC dependencies[J] Jun Xu;Binghe Liu;Xinyi Wang;Dayong Hu Applied Energy 2016,

[9]

Advanced battery management system design for SOC/SOH estimation for e-bikes applications[J] Carlo Taborelli; Simona Onori; Sebastien Maes; Peter Sveum; Said Al-Hallaj; Naz Al-Khayat Int. J. of Powertrains 2016,

[10]

Thermoelectric Modeling and Online SOC Estimation of Li-Ion Battery for Plug-In Hybrid Electric Vehicles[J] Panday Aishwarya;Bansal Hari Om;Srinivasan Pramod Modelling and Simulation in Engineering 2016,

← 1 2 →