改进安时法结合神经网络估算锂离子电池SOC

采用BP神经网络对库仑效率进行训练并预测,将预测得到的库仑效率代入改进安时(AH)算法,再基于Moto Hawk进行设计,应用于地铁应急牵引电池组管理系统。以952国产A车为试验对象,结合实际运行情况对荷电状态(SOC)进行估算和分析。试验结果表明,所采用的方法比传统AH法估算精度误差提高4.9%。

基于改进Ah计量法的电池SOC卡尔曼滤波估计

为了估算动力电池的荷电状态,基于电池外特性的实验数据,用Excel中的Linest函数建立线性拟合回归方程来辨识电池模型参数.在MATLAB中建立电池模型,并研究基于改进的Ah计量法的卡尔曼滤波算法在估算电池SOC中的应用.结果表明,所选择的Thevenin模型能真实地模拟电池特性,该算法能有效地估计电池荷电状态.