-
题名基于MIAEKF的多温度下锂电池SOC估计
- 1
-
-
作者
袁照凯
范秋华
王冬青
孙天民
-
机构
青岛大学电气工程学院
-
出处
《储能科学与技术》
CAS
CSCD
北大核心
2024年第2期680-690,共11页
-
基金
国家自然科学基金项目(62273190)。
-
文摘
随着锂电池在电动车辆中的广泛应用,准确估计电池荷电状态(SOC)对于电池的安全性和使用性能至关重要。然而,变化温度环境条件下,传统Kalman估计方法降低电池SOC估计准确性。为解决上述问题,本研究提出了基于多新息自适应扩展卡尔曼滤波(MIAEKF)的SOC估计方法。首先,基于多组不同温度下测试实验获取的电池数据,利用带遗忘因子的最小二乘法(FFRLS)进行参数辨识,获得了多温度下不同SOC阶段的电池参数。其次,利用函数拟合的方法建立了以SOC、温度为自变量,电池参数为因变量的函数模型,用于描述电池参数的动态行为。最后,在此基础上引入了MIAEKF算法,该算法结合了自适应和多新息的思想,通过滑动窗口自适应调整过程噪声与测量噪声协方差,并将窗口的新息均值作为窗口最新时刻后验估计的新息来增加误差新息。选择合适的窗口长度与新息均值系数能够有效提升SOC估计精度。实验数据验证的结果表明,基于MIAEKF的SOC估计方法在相同条件下相较于传统的扩展卡尔曼滤波(EKF)、自适应扩展卡尔曼滤波(AEKF)表现出更高的估计精度和稳定性。在多温度下,通过引入电池参数函数模型,MIAEKF能够自适应多个温度下的SOC估计,并且估计误差均在±1%以内。
-
关键词
miaekf
锂电池
SOC
多温度
函数拟合
-
Keywords
miaekf
lithium batteries
SOC
multiple temperatures
function fitting
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
-
题名MIAEKF算法对锂电池荷电状态估算的研究
被引量:1
- 2
-
-
作者
孙洁
刘梦
刘晓悦
孙晔
于凤臣
-
机构
华北理工大学电气工程学院
中国信息通信研究院
南堡开发区城市建设管理局
-
出处
《现代电子技术》
2022年第16期115-120,共6页
-
基金
河北省自然科学基金项目(E2019209492)。
-
文摘
为弥补扩展卡尔曼滤波算法估算锂离子动力电池的荷电状态(SOC)时误差大的缺点,从而更加有效地监测电池的状态,文中以二阶RC等效电路模型为基础,建立数学关系简单、易于工程实现的状态空间模型。在递推最小二乘法的基础上加入自适应因子来辨识二阶电路模型中相应的参数,并进行电路模型精确度验证;然后,结合多创新的自适应扩展卡尔曼滤波算法(MIAEKF)对电池荷电状态(SOC)进行精准估算;最后,利用Matlab数值软件编程该算法并进行仿真验证。仿真结果表明,基于多创新的自适应扩展卡尔曼滤波算法估算电池SOC的平均误差最小为1.12%,估算的最大误差为2.69%,说明基于多创新的自适应扩展卡尔曼滤波算法在估算过程中有更高的精度和更快的收敛速度,对锂离子电池荷电状态的精度有较精准的估计。
-
关键词
荷电状态
miaekf算法
电池模型
参数辨识
锂离子电池
荷电状态估算
仿真验证
-
Keywords
SOC
miaekf algorithm
battery model
parameter identification
lithium⁃ion battery
SOC estimation
simulation verification
-
分类号
TN713-34
[电子电信—电路与系统]
TP301.6
[自动化与计算机技术—计算机系统结构]
-