基于EKF的动力锂电池SOC状态预测

被引：79

作者：

范波 ^{[1
]}

田晓辉 ^{[2
]}

马建伟 ^{[1
]}

机构：

[1] 河南科技大学电子信息工程学院

[2] 中航锂电(洛阳)公司

来源：

电源技术 | 2010年 / 34卷 / 08期

关键词：

锂离子电池; 荷电状态; 卡尔曼滤波; 状态估计;

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：

在研究与分析影响SOC值的因素及传统SOC估算方法优缺点的基础上,提出一种基于扩展Kalman滤波(EKF)的算法对SOC进行估算,依据Thevenin模型建立了电池的非线性状态空间方程,通过引入库仑效率因子计算出电量的动态变化量,并利用此变化量对状态方程进行扩展,使得极化效应的影响大大减弱。实验表明,此方法提高了电池SOC计算的精度,达到了动力汽车的应用要求。

引用

页码：797 / 799

页数：3

共 6 条

[1]

基于Kalman滤波的镍氢动力电池SOC估算方法 [J].

吴红杰 ;

齐铂金 ;

郑敏信 ;

刘永喆 .

北京航空航天大学学报, 2007, (08) :945-948

[2]

基于推广卡尔曼滤波算法的SOC估算策略 [J].

夏超英 ;

张术 ;

孙宏涛 .

电源技术, 2007, (05) :414-417

[3]

电动汽车SOC估计算法与电池管理系统的研究 [J].

黄文华 ;

韩晓东 ;

陈全世 ;

林成涛 .

汽车工程, 2007, (03) :198-202

[4]

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

[5]

基于EKF的AMR锂电池SOC动态估计研究 [J].

石璞 ;

董再励 .

仪器仪表学报, 2006, (S1) :1-3

[6]

Accuracy analysis of the State-of-Charge and remaining run-time determination for lithium-ion batteries.[J].V. Pop;H.J. Bergveld;P.H.L. Notten;J.H.G. Op het Veld;P.P.L. Regtien.Measurement.2008, 8

← 1 →