基于改进EKF算法的锂电池SOC预估研究

发布时间：2018-10-19 17:13

【摘要】：电池荷电状态(SOC)是描述电池性能的重要指标之一。针对磷酸铁锂电池(LiFePQ_4)的特性,选用了能够较真实地反应电池内部状态的PNGV电路模型,提出了改进模型的方法。采用扩展卡尔曼滤波算法(EKF),说明了扩展卡尔曼滤波估算荷电状态的原理并将内阻R_0看作状态变量进行同时预估更新,改进形成新的卡尔曼滤波算法。在仿真时对充电电流加入了噪声模拟实测数据。结果表明,该方法能够适应电池特性的动态变化,保证较高的SOC估算精度,减小误差,提高实用性。
[Abstract]:The charged state (SOC) is one of the important indexes to describe the battery performance. According to the characteristics of lithium iron phosphate battery (LiFePQ_4), the PNGV circuit model which can truly reflect the internal state of the battery is selected, and the method of improving the model is put forward. The extended Kalman filter (EKF),) is used to explain the principle of the extended Kalman filter (EKF) to estimate the charged state, and the internal resistance R _ S _ 0 is regarded as a state variable to estimate and update simultaneously, which is improved to form a new Kalman filter algorithm. In the simulation, the noise simulation data are added to the charging current. The results show that the proposed method can adapt to the dynamic changes of the battery characteristics, ensure high SOC estimation accuracy, reduce the error and improve the practicability.
【作者单位】： 山东科技大学电气与自动化工程学院;
【基金】：中国博士后科学基金资助项目(2015T80729) 青岛市博士后研究人员应用研究项目(2015190)
【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 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

7 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

8 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

9 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

10 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

，

本文编号：2281796