优化电池模型的自适应Sigma卡尔曼荷电状态估算

发布时间：2019-10-17 13:41

【摘要】：采用数学模型法对磷酸铁锂电池进行非线性建模,优化了状态模型及观测模型。模型考虑了充放电倍率、温度、老化循环寿命等因素,对电池松弛效应及极化现象影响进行建模补偿,提高了电池建模的准确度,降低了不同条件下因电池模型造成电池荷电状态(SOC)估算的误差影响。在电池模型参数辨识基础上,提出采样自适应Sigma卡尔曼算法构建SOC估算模型,按照非线性模型对状态变量的分布构建Sigma采样序列,采用模型输出残差更新噪声协方差,赋予Sigma采样序列最优估计及噪声的权值,并实现误差量的实时更新,降低计算复杂度。通过持续大电流、间断电流、变电流放电及充电实验条件下的SOC估算对比实验,验证了自适应Sigma卡尔曼算法快速收敛性,数学描述更准确,具备较高的SOC的观测准确度。
【作者单位】： 中国矿业大学信息与电气工程学院;开滦(集团)有限责任公司;
【基金】：科技部创新基金(11C26213204616) 江苏省自然科学基金(BK20140204) 江苏省科技成果转化基金(BA2008029)资助项目
【分类号】：TM912;U469.72

【相似文献】

相关期刊论文 前10条

1 王福忠;邓坤;;基于区域极点配置电池荷电状态的估计方法[J];节能;2013年04期

2 赵凯;朱黎明;;无迹卡尔曼滤波的电池荷电状态估计试验研究[J];汽车工程学报;2013年05期

3 程博;韩琳;王军平;曹秉刚;;利用免疫进化网络的镍氢电池组荷电状态预测[J];西安交通大学学报;2007年11期

4 李革臣;古艳磊;;电化学阻抗谱法预测锂电池荷电状态[J];电源技术;2008年09期

5 夏晴;刘志远;;电动汽车动力电池荷电状态的滑模估计方法[J];东南大学学报(自然科学版);2011年S1期

6 麻友良,陈全世,朱元;变电流下的电池荷电状态定义方法探讨[J];电池;2001年01期

7 何鹏林;王晓冬;;串联锂离子电池组荷电状态评估方法对比[J];安全与电磁兼容;2011年01期

8 沈江;张文斌;全小红;周嵩;陈景玲;;钛酸锂电池荷电状态的试验研究[J];新技术新工艺;2014年01期

9 叶林;陈政;赵永宁;;考虑电池荷电状态的光伏功率分段平滑控制方法[J];电网技术;2014年07期

10 余运俊;谌新;万晓凤;;电动汽车电池荷电状态估计研究综述[J];电源学报;2014年03期

相关会议论文 前3条

1 孙骏;李宝辉;;电动汽车电池荷电状态的估算方法研究及展望[A];2012安徽省汽车工程学会年会论文集[C];2012年

2 张秀玲;宋建军;;基于RBF神经网络的MH-Ni电池荷电状态预估模型[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

3 程艳青;高明煜;;基于卡尔曼滤波的电动汽车SOC估计[A];浙江省电源学会第十一届学术年会暨省科协重点科技活动“高效节能电力电子新技术”研讨会论文集[C];2008年

相关博士学位论文 前1条

1 邹幽兰;基于退役锂动力电池容量、内阻和荷电状态的建模与参数估计[D];中南大学;2014年

相关硕士学位论文 前10条

1 张树鹏;电动汽车电池荷电状态及行动力分析研究[D];上海交通大学;2015年

2 潘贵财;基于神经网络的电池组容量检测系统设计[D];大连理工大学;2015年

3 罗志亮;锂电池荷电状态自适应估计算法研究[D];哈尔滨工业大学;2016年

4 杨潇;基于模糊算法的风储联合系统控制策略研究[D];山东大学;2016年

5 林鹏峰;磷酸铁锂电池建模及其荷电状态估计算法研究[D];西南交通大学;2015年

6 周旋;纯电动物流车电池荷电状态估计方法研究[D];电子科技大学;2016年

7 冯小华;多模式电池组的能量快速扩展与分配方法研究[D];上海应用技术大学;2016年

8 夏晴;电动汽车用锂离子电池荷电状态估计算法的研究[D];哈尔滨工业大学;2011年

9 和晓念;锂电池荷电状态预测方法研究[D];河南师范大学;2012年

10 马巍;电动汽车铅酸蓄电池特性建模与荷电状态估计[D];长安大学;2009年

，

本文编号：2550587