基于FFRLS和AEKF的锂离子电池SOC在线估计研究

本文基于Thevenin等效电路模型,结合遗忘因子最小二乘法(FFRLS)和自适应扩展卡尔曼滤波算法(AEKF)提出联合估计荷电状态(SOC)算法。FFRLS对模型进行参数辨识,为SOC估计提供时变的模型参数;AEKF对SOC进行在线估计,为模型参数辨识提供准确的开路电压。以北京公交的纯电动客车用动力动态测试工况(BBDST)进行仿真实验,并与FFRLS在线辨识及安时积分法的SOC估计进行对比。该算法实现端电压的快速跟踪,精度较FFRLS提高了85%;SOC估计结果能够快速收敛,精度在1.5%~2%范围。研究结果表明,本文算法能够对模型系统进行闭环修正,从而具有更高的精度和更好的适应性。

基于改进EKF算法的动力锂电池SOC估算技术研究

荷电状态(SOC)准确估算对于锂电池安全使用至关重要。通过对中航锂电LFP50AH三元锂电池进行混合动力脉冲能力特性(HPPC)试验,根据最小二乘原理在MATLAB对试验数据拟合进行参数辨识,建立二阶等效电路模型。在扩展卡尔曼基础上利用平方根分解状态变量协方差矩阵保证其非负定,形成改进扩展卡尔曼滤波(EKF)算法对锂电池进行SOC估算,防止因为计算机字长有限而引起的滤波发散。模拟北京公交动态测试(BBDST)工况对电池进行测试,以验证算法估算效果。在MATLAB/Simulink建立仿真模型。仿真结果表明,BBDST工况下初始误差为25%时,运行10 s后误差低于10%,80 s最大误差低于2%,平均误差0.45%。基于二阶等效模型运用改进扩展卡尔曼算法的SOC估算能很好地修正初值误差,对动力锂电池SOC估算效果良好,为动力锂电池的可靠使用提供了理论依据。

基于EKF的电动车辆动力锂电池SOC估算方法研究

目前,国家正在大力推广纯电动汽车,准确的荷电状态(SOC)估算是动力锂电池可靠使用的关键性问题。本文通过对三元锂电池进行混合动力脉冲能力特性(HPPC)实验,进行参数辨识,建立Thevenin等效电路模型以表征锂电池工作特性。运用扩展卡尔曼滤波(EKF)算法对于荷电状态进行准确估算,在BBDST工况下验证了估算效果。结果表明,在BBDST工况下运用EKF算法可以修正SOC估算初始误差,最大误差低于1.5%,全过程平均误差为0.37%,为动力电池的可靠安全使用提供了理论基础。

基于EKF的电动车辆动力锂电池SOC估算方法研究

目前国家正在大力推广纯电动汽车,准确的荷电状态(SOC)估算是动力锂电池的全可靠使用的关键性问题。本文通过对三元锂电池进行混合动力脉冲能力特性(HPPC)实验进行参数辨识,建立Thevenin等效电路模型以表征锂电池工作特性。运用扩展卡尔曼滤波(EKF)算法对于荷电状态进行准确估算,在BBDST工况下验证了估算效果。结果表明,在BBDST工况下运用EKF算法可以修正SOC估算初始误差,最大误差低于1.5%,全过程平均误差为0.37%,为动力电池的可靠安全使用提供了理论基础。