基于模糊卡尔曼滤波算法的动力电池SOC估计

被引：27

作者：

林程

张潇华

熊瑞

机构：

[1] 北京理工大学机械与车辆学院

来源：

电源技术 | 2016年 / 40卷 / 09期

关键词：

动力电池; 荷电状态; 模糊控制器; 自适应卡尔曼滤波; 电动汽车;

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：

为了改善传统卡尔曼滤波算法估计SOC时量测噪声的影响,提出了将传统卡尔曼滤波算法与模糊控制相结合的动力电池SOC的自适应估计方法。通过实时监控量测噪声实际方差与理论方差之间的差值,实现对量测噪声协方差矩阵的实时在线调整,提高算法在实际应用中的鲁棒性。通过基于联邦城市行驶工况(FUDS)验证混合算法的有效性。结果表明,基于模糊卡尔曼滤波算法的SOC估计最大误差仅为0.21%,高于传统卡尔曼滤波估计精度最大误差0.53%。仿真结果表明,该方法可以有效解决传统卡尔曼滤波算法估计不准和累计误差的问题。

引用

页码：1836 / 1839+1883 +1883

页数：5

共 5 条

[1]

Model based identification of aging parameters in lithium ion batteries.[J].Githin K. Prasad;Christopher D. Rahn.Journal of Power Sources.2013,

[2]

Enhanced coulomb counting method for estimating state-of-charge and state-of-health of lithium-ion batteries.[J].Kong Soon Ng;Chin-Sien Moo;Yi-Ping Chen;Yao-Ching Hsieh.Applied Energy.2008, 9

[3]

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

[4]

Methods for state-of-charge determination and their applications [J].

Piller, S ;

Perrin, M ;

Jossen, A .

JOURNAL OF POWER SOURCES, 2001, 96 (01) :113-120

[5]

基于扩展卡尔曼滤波算法的燃料电池车用锂离子动力电池荷电状态估计 [J].

戴海峰 ;

魏学哲 ;

孙泽昌 .

机械工程学报, 2007, (02) :92-95+103

← 1 →