基于求积分卡尔曼滤波的锂电池剩余电量估计

发布时间：2020-12-05 01:25

　　随着新能源汽车的发展,锂离子电池在汽车行业得到广泛应用,为了确保汽车安全稳定地运行,需要实时监测电池管理系统。锂离子电池荷电状态(State of Charge,SOC)作为电池管理系统的关键部分,SOC估计的精确度要求在不断提高,对SOC估计的算法研究逐渐成为近年来的研究热点。本文采用新能源汽车常用的磷酸铁锂电池为研究对象,分析了电池SOC估计的影响因素,以电池SOC估计所需的精确性、稳定性和实时性为目标,对比常用的SOC估计方法,将求积分卡尔曼滤波算法应用于电池SOC估计。在二阶RC等效电路模型基础上建立系统的状态空间方程,并对连续时间内的状态空间方程进行离散化处理。对求积分卡尔曼滤波算法估计SOC稳定性进行了分析,证明算法估计SOC的稳定性。在恒流模式、脉冲模式和UDDS三种不同工况下,对扩展卡尔曼滤波算法、无迹滤波算法和求积分卡尔曼滤波算法估计SOC进行仿真对比,验证求积分卡尔曼滤波算法估计SOC的精确性。仿真结果表明,求积分卡尔曼滤波算法能够适用于锂离子电池SOC估计,与扩展卡尔曼滤波和无迹滤波算法估计电池SOC相比,不仅提高了估计精确度,而且具有估计的稳定性,对实际应用中汽... 

【文章来源】：西安科技大学陕西省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

估计均值和协方差示意图


本文编号：2898611