基于粒子滤波算法的动力电池SOC估计

被引：35

作者：

汪永志 ^{[1
]}

贝绍轶 ^{[1
]}

汪伟 ^{[1
]}

李波 ^{[2
]}

机构：

[1] 江苏理工学院汽车与交通工程学院

[2] 南京航空航天大学能源与动力学院

来源：

机械设计与制造工程 | 2014年 / 43 卷 / 10期

关键词：

电池荷电状态; 非线性因素; 粒子滤波算法; 扩展卡尔曼滤波算法;

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：

针对电池荷电状态(SOC)容易受到电流、温度、循环寿命等非线性因素的影响,建立基于温度和电流变化的电池容量修正方程。结合安时法和复合电化学原理构建电池状态空间模型。由于粒子滤波算法对非高斯、非线性系统的适应性,因此选用粒子滤波算法来研究电池SOC估计。通过美国FTP-75工况和NEDC工况实验仿真显示,基于粒子滤波算法的电池SOC估计比扩展卡尔曼滤波算法估计精度高、适应性好。

引用

页码：69 / 73

页数：5

共 7 条

[1]

基于扩展卡尔曼滤波的LiFePO4电池荷电状态估计 [J].