基于交互式多模型卡尔曼滤波的电池荷电状态估计

发布时间：2018-06-10 00:50

  本文选题：荷电状态 + 交互式多模型　； 参考：《信息与控制》2017年05期

【摘要】：本文提出一种由交互式多模型和扩展卡尔曼滤波两种算法相结合而形成的滤波器,并应用于锂离子电池非线性系统的状态估计.先采用两个不同参数的戴维宁电路模型描述锂离子电池的动态特征.再将交互式多模型扩展卡尔曼滤波器和传统扩展卡尔曼滤波器分别用于荷电状态估计,针对复合脉冲功率测试和城市道路循环工况进行了数值仿真实验,针对恒流放电进行了硬件仿真实验.最后,对实验结果分析表明交互式多模型卡尔曼滤波算法的有效性和相对以传统方法在估计误差方面的优势,计算量增加合理.
[Abstract]:In this paper, a filter based on the combination of interactive multi-model and extended Kalman filter is proposed and applied to the state estimation of lithium ion battery nonlinear system. Firstly, the dynamic characteristics of lithium ion battery are described by two different parameters of Davinen circuit model. Then the interactive multi-model extended Kalman filter and the traditional extended Kalman filter are used to estimate the charged state respectively. The hardware simulation experiment for constant current discharge is carried out. Finally, the experimental results show that the effectiveness of the interactive multi-model Kalman filter algorithm and the advantages of the traditional method in estimation error, the computational complexity is reasonable.
【作者单位】： 合肥学院机械工程系;中国科学院合肥智能机械研究所;安徽工程大学机械与汽车工程学院;
【基金】：安徽省自然科学基金资助项目(1408085MF134) 安徽省高校优秀青年骨干人才国内外访学研修重点项目(gxfx ZD2016224)
【分类号】：TM912;TN713

【相似文献】

相关期刊论文 前10条

1 缑玲玲;袁中直;钟清华;刘金成;;一次锂-亚硫酰氯电池电化学阻抗谱与荷电状态(英文)[J];中山大学学报(自然科学版);2007年S1期

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

相关会议论文 前2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

相关硕士学位论文 前10条

1 马阳阳;交互式多模型电力负荷建模理论与方法研究[D];山东大学;2016年

2 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

3 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

4 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

5 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

6 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

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 赵晓兵;锂离子电池荷电状态在线估计技术研究[D];南京航空航天大学;2016年

9 黄锐森;锂电池荷电状态、健康状态以及功率状态的联合在线估计算法[D];西南交通大学;2017年

10 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

，

本文编号：2001401