动力型锂电池SOC与SOH协同估计

被引：16

作者：

刘熹 ^{[1
,2
]}

李琳 ^{[1
,2
]}

刘海龙 ^{[1
,2
]}

机构：

[1] 西安石油大学陕西省油气井测控技术重点实验室

[2] 西安石油大学电子工程学院

来源：

太赫兹科学与电子信息学报 | 2020年 / 18卷 / 04期

关键词：

动力锂电池; SOC估算; SOH估算; 改进扩展卡尔曼滤波; 等效电路模型;

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：

锂电池及其应用近年来逐渐成为研究热点。以提高电池管理系统(BMS)对电池荷电状态(SOC)和健康状态(SOH)的估算精确度为目标,在建立二阶Thevenin等效电路模型基础上提出一种能在线协同估算电池荷电状态和健康状态的改进扩展卡尔曼滤波算法。通过分阶段脉冲放电实验,并利用最小二乘法求得模型参数。在动态应力测试工况(DST)下借助Matlab对比分析了改进扩展卡尔曼算法在SOC和SOH估计精确度、错误初值时算法收敛性、算法复杂度等方面的性能。实验表明,利用该算法可以精确估计出各采样点处的SOC和SOH,误差低于1%;且在初值不准确情况下,运行算法可快速收敛至真值附近,算法估算结果的准确性与模型参数的微调无关,鲁棒性较好。

引用

页码：750 / 755

页数：6

共 9 条

[1]

电动汽车动力电池荷电状态估计方法探讨 [J].

曾求勇 ;

张鑫 ;

范兴明 .

电测与仪表, 2014, 51 (24) :76-84

[2]

基于自适应无迹卡尔曼滤波算法的锂离子动力电池状态估计 [J].

魏克新 ;

陈峭岩 .

中国电机工程学报, 2014, 34 (03) :445-452

[3]

基于ARIMA和PF的锂电池剩余使用寿命预测方法 [J].

豆金昌 ;

陈则王 ;

揭由翔 .

太赫兹科学与电子信息学报, 2013, 11 (05) :822-826

[4]

基于采样点卡尔曼滤波的动力电池SOC估计 [J].

高明煜 ;

何志伟 ;

徐杰 .

电工技术学报, 2011, 26 (11) :161-167

[5]

电动汽车电池荷电状态估计及均衡技术研究 [D].

郭向伟 .

华南理工大学,

2016

[6]

Lithium-ion battery SOC estimation study based on cubature Kalman filter..LUO Jiayi;PENG Jiankun;HE Hongwen;.Energy Procedia.2019, 158

[7]

Combined State of Charge and State of Health estimation over lithium-ion battery cell cycle lifespan for electric vehicles.[J].Yuan Zou;Xiaosong Hu;Hongmin Ma;Shengbo Eben Li.Journal of Power Sources.2015,

[8]

The Analysis of Modeling of Dual Kalman Filter in Lithium Battery SOC Estimates.[J].L.P. Song;Rong Lu Sun.Applied Mechanics and Materials.2014, 513

[9]

动力电池管理系统核心算法.[M].熊瑞.机械工业出版社.2018,

← 1 →