基于权值选择粒子滤波算法的锂离子电池SOC估计

发布时间：2021-05-14 13:42

　　针对锂离子动力电池的荷电状态（SOC）估计问题,以三元锂（MNC）电池为研究对象,选用Thevenin等效电路模型,建立电池模型的状态方程和观测方程,完成了带遗忘因子的递推最小二乘法（FFRLS）的理论推导。进行电池单体混合动力脉冲功率特性测试（HPPC测试）,基于测试数据和FFRLS算法完成电池模型的在线参数辨识,并通过锂离子电池的端电压精度来验证算法的可行性;在此基础上,提出一种权值选择粒子滤波（WSPF）算法来实现锂离子电池SOC估计,该算法中全部粒子都参与粒子滤波过程,但只选择较优权重粒子用于电池状态估计,从而解决粒子滤波的粒子退化问题,提高粒子的多样性。通过HPPC测试和动态工况测试（DST）结果验证,WSPF算法的估计精度能控制在2%以内。与重采样粒子滤波（SIR-PF）算法相比,WSPF算法的估计精度高,鲁棒性好。 

【文章来源】：太原理工大学学报. 2020,51(05)北大核心

【文章页数】：6 页

【文章目录】：
1 电池模型
2 模型参数辨识
    2.1 辨识原理
    2.2 实验验证
3 SOC估计算法
    3.1 权值选择粒子滤波算法
    3.2 锂离子电池SOC估计
    3.3 实验验证
4 结论


【参考文献】：
期刊论文
[1]锂离子电池荷电状态不同估算方法的综述及讨论（英文）[J]. Gregory L.Plett.  汽车安全与节能学报. 2019(03)
[2]基于权值选择的粒子滤波算法研究[J]. 张琪,胡昌华,乔玉坤.  控制与决策. 2008(01)

博士论文
[1]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

硕士论文
[1]车用锂离子电池容量和荷电状态的多尺度联合估计研究[D]. 陈铖.北京理工大学 2016



本文编号：3185743