改进卡尔曼滤波的融合型锂离子电池SOC估计方法

发布时间：2018-01-01 15:36

本文关键词：改进卡尔曼滤波的融合型锂离子电池SOC估计方法　出处：《仪器仪表学报》2016年07期 　论文类型：期刊论文

【摘要】：荷电状态(SOC)估计对于锂离子电池充放电优化控制、任务规划、可靠性提升等均具有重要价值,针对广泛应用的卡尔曼滤波(KF)一类方法存在的参数设置无具体标准、模型性能随工况环境改变而适应性降低等问题,提出一种噪声方差可变卡尔曼滤波方法(VVKF)的SOC估计算法,该算法每次迭代时估计并设定最适应当前系统状态的的噪声方差,克服了KF噪声方差初值依靠人为经验设定而造成精度下降的问题,同时采用最小二乘支持向量机作为KF的量测方程,通过建立样本库的方式克服电池型号以及工况改变对SOC估计精度的影响。采用马里兰大学CACLE中心锂离子电池数据集的实验证明了VVKF较KF性能的提升以及SOC估计的有效性。
[Abstract]:State of charge (SOC) estimation for lithium ion battery charge and discharge control, mission planning, enhance the reliability have important value for wide application of Calman filter (KF) is a kind of method parameters set no specific standard, model performance with the change of working conditions reduce adaptability problems, put forward a kind of noise variance variable Calman filtering method (VVKF) SOC estimation algorithm, each iteration of the algorithm to estimate and set the most appropriate noise variance of current state of the system, overcomes the KF noise variance depends on human experience caused by the initial value setting accuracy is reduced, at the same time using least squares support vector machine as the measurement equation KF, overcome the battery model and the condition changes to SOC estimation accuracy. Through the establishment of a sample database using the method of experiment CACLE center of University of Maryland Li ion battery data set and clear VVKF The improvement of KF performance and the effectiveness of SOC estimation.

【作者单位】：哈尔滨工业大学电气工程及自动化学院;
【基金】：国家自然科学基金(61301205,61571160) 部委重点基金(9140A170501HT01001) 哈尔滨工业大学科研创新基金(HIT.NSRIF.2014017)项目资助
【分类号】：TM912
【正文快照】： 1引言锂离子电池是将化学能转化为电能的装置,其荷电状态(state of charge,SOC)表征了电池当前剩余容量的多少,是表征电池状态的重要参数[1]。目前SOC估计算法主要包括:电流积分法、放电试验法、开路电压法、负载电压法、电化学阻抗谱、内阻法、线性模型等和模糊逻辑、回归分

【相似文献】