电动汽车锂离子电池组参数辨识与SOC估计

被引:44
作者
罗玉涛
谢斌
何小颤
机构
[1] 华南理工大学机械与汽车工程学院∥广东省汽车工程重点实验室
关键词
电动汽车; 锂离子电池; 荷电状态; 参数识别; 扩展卡尔曼滤波;
D O I
暂无
中图分类号
TM912.9 [各种材料蓄电池];
学科分类号
082905 [生物质能源与材料];
摘要
针对电动汽车用锂离子电池组,提出了一种能修正初始误差的荷电状态估算方法,即采用扩展卡尔曼滤波与安时积分的组合算法.在分析电池各种等效电路模型优缺点的基础上,选用具有双阻容并联网络的PNGV改进型电池模型,并以某锂电池为实验对象,对其进行模型参数识别.然后依据电池模型建立电池的非线性状态空间方程,并对电池开路电压与SOC的关系进行多项式拟合.恒流脉冲放电和ECE15工况下的两种实验均表明,文中算法可有效修正SOC的初始误差,并能保证估算精度.
引用
收藏
页码:79 / 85+177 +177
页数:8
相关论文
共 9 条
[1]
电动汽车电池等效电路模型的分类和特点 [J].
贾玉健 ;
解大 ;
顾羽洁 ;
艾芊 ;
金之检 ;
顾洁 .
电力与能源, 2011, 32 (06) :516-521
[2]
基于多项式回归算法的锂电池SOC估测 [J].
曾洁 ;
卜凡涛 .
大连交通大学学报, 2011, 32 (04) :70-74
[3]
基于EKF的动力锂电池SOC状态预测 [J].
范波 ;
田晓辉 ;
马建伟 .
电源技术, 2010, 34 (08) :797-799
[4]
纯电动汽车用锂离子电池SOC估算方案的研究 [J].
刘浩 ;
谢桦 ;
姜久春 ;
张维戈 .
电气应用, 2010, 29 (12) :54-58
[5]
锂离子动力电池参数辨识与状态估计 [J].
魏学哲 ;
孙泽昌 ;
田佳卿 .
同济大学学报(自然科学版), 2008, (02) :231-235
[6]
基于神经网络的动力电池组SOC辨识方法 [J].
罗玉涛 ;
张保觉 ;
赵克刚 .
电源技术, 2007, (11) :914-917
[7]
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
[8]
电动汽车电池功率输入等效电路模型的比较研究 [J].
林成涛 ;
仇斌 ;
陈全世 .
汽车工程, 2006, (03) :229-234
[9]
Battery performance models in ADVISOR [J].
Johnson, VH .
JOURNAL OF POWER SOURCES, 2002, 110 (02) :321-329