基于Kalman滤波的镍氢动力电池SOC估算方法

被引：25

作者：

吴红杰

齐铂金

郑敏信

刘永喆

机构：

[1] 北京航空航天大学机械工程及自动化学院

来源：

北京航空航天大学学报 | 2007年 / 08期

关键词：

蓄电池; Kalman滤波器; 状态估计; 数学模型; 混合动力电动车; 荷电状态;

D O I：

10.13700/j.bh.1001-5965.2007.08.012

中图分类号：

U463.633 [];

学科分类号：

080204 ; 082304 ;

摘要：

动力电池的荷电状态(SOC,State-of-Charge)是电动车能量控制的重要参数,针对镍氢动力电池,建立了一种新的状态空间模型.电池模型采用荷电状态和极化状态作为状态向量,考虑持续充放电时电荷累积效应对电池电压的影响,对模型的状态方程进行了优化,增加了电荷累积项,以提高模型在变电流充放电过程中的精度.根据Kalman最优滤波理论,设计了电池荷电状态Kalman滤波递推算法,估算方法考虑了电池电压、电流和电池温度,给出了递推计算公式.根据恒流充电、恒流放电、脉冲充/放电、变电流充/放电实验的实验数据,对模型进行了仿真分析.结果表明,采用Kalman滤波估算方法有利于提高动力电池的荷电状态估算精度,适合应用在混合动力电动车中.

引用

页码：945 / 948

页数：4

共 5 条

[1] 电动汽车动力电池SOC预测技术研究 [J].

朱元 ;

韩晓东 ;

田光宇 .

电源技术, 2000, (03) :153-156

[2] 电动汽车电量计量技术的研究 [J].

齐国光 ;

李建民 ;

郏航 ;

徐玉民 .

清华大学学报(自然科学版), 1997, (03) :47-50

[3]

最优状态估计与系统辨识[M]. 西北工业大学出版社 , 王志贤编著, 2004

[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]

Determination of state-of-charge and state-of-health of batteries by fuzzy logic methodology[J] . Alvin J Salkind,Craig Fennie,Pritpal Singh,Terrill Atwater,David E Reisner.Journal of Power Sources . 1999 (1)

← 1 →