为准确评估电动汽车锂离子电池荷电状态(state of charge,SOC),构建二阶电阻电容等效电路模型,通过递推最小二乘法识别等效电路模型参数,采用开路电压放电试验获取动态应力测试(dynamic stress test,DST)工况下开路电压与SOC之间的函数...为准确评估电动汽车锂离子电池荷电状态(state of charge,SOC),构建二阶电阻电容等效电路模型,通过递推最小二乘法识别等效电路模型参数,采用开路电压放电试验获取动态应力测试(dynamic stress test,DST)工况下开路电压与SOC之间的函数关系,在DST工况下对比分析开路电压法、卡尔曼滤波法、扩展卡尔曼滤波法估算的SOC及误差。结果表明:卡尔曼滤波及扩展卡尔曼滤波2种算法与开路电压法SOC估算结果吻合性较好;卡尔曼滤波法最大SOC估计误差为0.017,扩展卡尔曼滤波法最大SOC估计误差为0.013,均满足SOC估计误差不得超过0.050的标准要求,但扩展卡尔曼滤波算法精度更高。展开更多
文摘为准确评估电动汽车锂离子电池荷电状态(state of charge,SOC),构建二阶电阻电容等效电路模型,通过递推最小二乘法识别等效电路模型参数,采用开路电压放电试验获取动态应力测试(dynamic stress test,DST)工况下开路电压与SOC之间的函数关系,在DST工况下对比分析开路电压法、卡尔曼滤波法、扩展卡尔曼滤波法估算的SOC及误差。结果表明:卡尔曼滤波及扩展卡尔曼滤波2种算法与开路电压法SOC估算结果吻合性较好;卡尔曼滤波法最大SOC估计误差为0.017,扩展卡尔曼滤波法最大SOC估计误差为0.013,均满足SOC估计误差不得超过0.050的标准要求,但扩展卡尔曼滤波算法精度更高。