锂离子电池荷电状态预测方法研究

被引:35
作者
李司光 [1 ,2 ]
张承宁 [1 ]
机构
[1] 北京理工大学机械与车辆学院
[2] 陕西汽车集团有限责任公司
基金
高等学校博士学科点专项科研基金;
关键词
锂离子电池; 荷电状态(SOC); 库仑效率; 自适应无迹卡尔曼滤波(AUKF);
D O I
10.15918/j.tbit1001-0645.2012.02.023
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
针对电动汽车锂离子动力电池组能量管理中的荷电状态(SOC)预测问题,提出一种根据SOC及电流(SOC-I)计算库仑效率的方法,并建立电池SOC、充放电电流及充放电库仑效率的关系.以无迹卡尔曼滤波(UKF)算法为基础,采用自适应无迹卡尔曼滤波(AUKF)算法预测电池SOC,并将提出的库仑效率计算方法与UKF算法相结合构造了SOC-I-AUKF算法,该算法在预测过程中不断调整库仑效率、系统噪声协方差以及量测噪声协方差,以实现系统状态最优化预测.实验结果表明,SOC-I-AUKF算法有较好的SOC预测效果,与UKF算法相比,其SOC预测绝对误差、相对误差和平均误差水平都有显著提高.
引用
收藏
页码:125 / 129+145 +145
页数:6
相关论文
共 6 条
[1]
卡尔曼滤波与组合导航原理.[M].秦永元等编著;.西北工业大学出版社.1998,
[2]
基于UKF滤波的自主移动机器人锂电池SOC估计 [J].
石璞 ;
董再励 .
仪器仪表学报, 2006, (S2) :1298-1299+1320
[3]
用改进的安时计量法估计电动汽车动力电池SOC [J].
林成涛 ;
陈全世 ;
王军平 ;
黄文华 ;
王燕超 .
清华大学学报(自然科学版), 2006, (02) :247-251
[4]
镍氢电池组的荷电状态估计方法研究 [J].
王军平 ;
陈全世 ;
林成涛 .
机械工程学报, 2005, (12) :62-65
[5]
动力电池充放电效率测试分析 [J].
李红林 ;
孙逢春 ;
张承宁 .
电源技术, 2005, (01) :49-51
[6]
Extended Kalman filtering for battery management systems of LiPB-based HEV battery packs.[J].Gregory L. Plett.Journal of Power Sources.2004, 2