基于参数辨识与AEKF的锂电池SOC估计

被引:15
作者
郑力得
董建园
马强
机构
[1] 西安建筑科技大学机电工程学院
关键词
锂离子电池; 荷电状态; 参数辨识; 自适应扩展卡尔曼滤波;
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
荷电状态的精确估计对电动汽车中的电池管理系统具有重要意义。针对锂离子电池的特性,使用二阶RC等效电路模型,采用含遗忘因子的递推最小二乘法在线辨识参数以满足模型精度的要求,结合基于新息自适应估计方法的扩展卡尔曼滤波算法(AEKF)完成锂离子电池荷电状态的准确估计。AEKF算法可以通过自适应噪声协方差匹配的方式来确切反映系统误差与过程误差对系统状态的影响。联合估计算法能够在模拟工况下实现更好的精度、收敛速度与自适应性。
引用
收藏
页码:1502 / 1505
页数:4
相关论文
共 13 条
[1]
车用动力电池二阶RC建模及参数辨识 [J].
罗勇 ;
赵小帅 ;
祁朋伟 ;
刘增玥 ;
邓涛 ;
李沛然 .
储能科学与技术, 2019, 8 (04) :738-744
[2]
基于在线参数辨识和AEKF的锂电池SOC估计 [J].
田茂飞 ;
安治国 ;
陈星 ;
赵琳 ;
李亚坤 ;
司鑫 .
储能科学与技术, 2019, 8 (04) :745-750
[3]
用最小二乘法在线估计蓄电池荷电状态 [J].
李匡成 ;
杨亚丽 ;
陈涛 ;
袁文涛 .
电源技术, 2010, 34 (10) :1056-1059
[4]
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
[5]
IAE-adaptive Kalman filter for INS/GPS integrated navigation system.[J]..Journal of Systems Engineering and Electronics.2006, 03
[6]
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
[7]
电动汽车动力电池模型参数在线辨识及SOC估计 [D]. 
张禹轩 .
吉林大学,
2014
[8]
纯电动汽车动力系统参数匹配及整车控制策略研究 [D]. 
周飞鲲 .
吉林大学,
2013
[9]
动力电池管理系统核心算法.[M].熊瑞.机械工业出版社.2018,
[10]
Evaluation of SOC Estimation Method Based on EKF/AEKF under Noise Interference.[J].Dong Xile;Zhang Caiping;Jiang Jiuchun.Energy Procedia.2018,