自放电修正的锂动力电池SCKF-STF的SOC估算策略

被引：23

作者：

于智龙 ^{[1
,2
]}

郭艳玲 ^{[1
]}

王海英 ^{[2
]}

机构：

[1] 东北林业大学机电工程学院

[2] 哈尔滨理工大学自动化学院

来源：

电机与控制学报 | 2013年 / 17卷 / 10期

关键词：

电动汽车; 锂动力电池; 电荷状态; 参数估计; 平方根容积卡尔曼滤波;

D O I：

10.15938/j.emc.2013.10.016

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：

为了准确估算EV用锂动力电池的荷电状态,利用Map图法对电池自放电电流进行建模,通过自放电模型得到静置状态下电池自放电电流数值,通过电流时间累积得到静置状态下电池SOC的衰减数值,对电池SOC的初值进行了修正,分析了锂动力电池等效电路模型的不确定性因素,利用EKF与SCKF-STF算法对低温及常温下电池模拟工况进行了实验验证以及对比分析。实验结果表明,SCKF-STF算法能够很好的消除模型不确定性所带来的影响,低温下和常温下算法SOC估算误差比EKF算法分别提升了0.53%和3.8%。

引用

页码：70 / 76+84 +84

页数：8

共 8 条

[1]

Extended Kalman filtering for battery management systems of LiPB-based HEV battery packs.[J].Gregory L. Plett.Journal of Power Sources.2004, 2

[2]

Monitoring state-of-charge of Ni–MH and Ni–Cd batteries using impedance spectroscopy.[J].Abderrezak Hammouche;Eckhard Karden;Rik W. De Doncker.Journal of Power Sources.2003, 1

[3]

Recursive calibration for a lithium iron phosphate battery for electric vehicles using extended Kalman filtering.[J]..Journal of Zhejiang University-Science A(Applied Physics & Engineering).2011, 11

[4]

SCKF-STF-CN: a universal nonlinear filter for maneuver target tracking [J].