基于BP-EKF算法的电动汽车电池管理系统SOC精准估计

被引：23

作者：

荣雅君

杨伟

牛欢

郑鑫慧

机构：

[1] 电力电子节能与传动控制河北省重点实验室燕山大学电气工程学院

来源：

电工电能新技术 | 2015年 / 09期

关键词：

电池荷电状态; 电池管理系统; BP神经网络; 拓展卡尔曼滤波;

D O I：

暂无

中图分类号：

U469.72 [电动汽车]; TM912 [蓄电池];

学科分类号：

0807 ; 0808 ;

摘要：

以数字信号处理器DSP(TMS320LF2407)为主控芯片,完成了电动汽车电池管理系统平台的搭建。电池荷电状态(SOC)的精准估计是电动汽车电池管理系统的核心任务之一,本文为提高SOC估计的准确性,提出了基于BP神经网络法与拓展卡尔曼滤波(EKF)法相结合的一种新算法(BP-EKF)。在对磷酸铁锂电池进行试验分析之后,运用Matlab的人工神经网络工具箱建立BP神经网络,并利用试验得到的数据对所建立的BP神经网络进行训练,从而利用训练好的BP神经网络优化补偿拓展卡尔曼滤波算法的估计结果。经过仿真实验验证两种算法的准确性,结果表明,与单纯的EKF滤波法相比,基于BP-EKF算法的SOC估计值的准确性有了显著的提高,且具备很好的适用性。

引用

页码：22 / 28

页数：7

共 7 条

[1] 基于有限差分扩展卡尔曼滤波的锂离子电池SOC估计 [J].

刘艳莉 ;

戴胜 ;

程泽 ;

朱乐为 .

电工技术学报, 2014, 29 (01) :221-228

[2] 基于EKF算法的磷酸铁锂电池在线SOC估算 [J].

周翔 ;

赵韩 ;

江昊 .

合肥工业大学学报(自然科学版), 2013, 36 (04) :385-388+394

[3] 电动车电池SOC估计的径向基函数神经网络方法 [J].

雷肖 ;

陈清泉 ;

刘开培 ;

马历 .

电工技术学报, 2008, (05) :81-87

[4]

A comparative study of equivalent circuit models for Li-ion batteries[J] . Xiaosong Hu,Shengbo Li,Huei Peng.Journal of Power Sources . 2011

[5]

Dynamic electric behavior and open-circuit-voltage modeling of LiFePO 4 -based lithium ion secondary batteries[J] . Michael A. Roscher,Dirk Uwe Sauer.Journal of Power Sources . 2010 (1)

[6]

Sigma-point Kalman filtering for battery management systems of LiPB-based HEV battery packs[J] . Gregory L. Plett.Journal of Power Sources . 2006 (2)

[7]

State of charge estimation based on reduced order of electrochemical model for a pouch type high power Li-polymer battery .2 Li X,Xiao M,Malinowski K. IEEE Vehicle Power and Propulsion Conference (VPPC) . 2011

← 1 →