双卡尔曼滤波算法在锂电池SOC估算中的应用

被引：161

作者：

王笑天 ^{[1
,2
]}

杨志家 ^{[1
]}

王英男 ^{[3
]}

王忠锋 ^{[1
]}

机构：

[1] 中国科学院沈阳自动化研究所

[2] 中国科学院大学

[3] 辽宁省电力有限公司沈阳供电公司

来源：

仪器仪表学报 | 2013年 / 34卷 / 08期

关键词：

双卡尔曼滤波; 荷电状态; 锂离子电池; 电池模型;

D O I：

10.19650/j.cnki.cjsi.2013.08.008

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：

以在线估计锂离子电池组的荷电状态(SOC)为目的,建立了双卡尔曼滤波(DEKF)算法。以Thevenin电池模型和卡尔曼滤波算法为基础,对电池模型建立了状态空间表达式。分别采用最小二乘法和DEKF算法对该模型参数进行辨识,提高了该模型的精度,使电池模型能够较好地反映电池内部的真实状态。介绍了双卡尔曼滤波算法在线估算荷电状态的原理,并设计了相关的电池测试实验。实验结果表明在不同的工况环境下,该算法在线估计SOC具有较高的精度和对环境的适应度,最大误差小于4.5%。最后,验证了DEKF算法具有较好的收敛性和鲁棒性,可以有效解决初值估算不准和累积误差的问题。

引用

页码：1732 / 1738

页数：7

共 14 条

[1]

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

[2]

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

[3]

State of available capacity estimation for lead-acid batteries in electric vehicles using neural network.[J].W.X. Shen.Energy Conversion and Management.2006, 2

[4]

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

[5]

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