基于增量误差的卡尔曼滤波算法全区间荷电状态估计

在电池管理系统领域,精确的荷电状态SOC(state-of-charge)估计是众多状态估计中最基础的技术之一。但在一些特定的SOC区间段内,便于实际应用的等效电路模型并不能很好地等效电池的特性,故基于传统卡尔曼滤波算法的SOC估计会出现精度下降的问题。提出一种基于增量误差的卡尔曼滤波算法,通过离线分析等效电路模型在各个SOC区间段内的性能优劣,得到各个SOC区间的噪声协方差控制表;将噪声协方差应用于对应的SOC区间段内,从而实现对全区间SOC的精确估计。实验表明在SOC低于20%的区间内,采用基于增量误差的卡尔曼滤波算法可以大大提高SOC估计精度。

电动汽车动力电池低温性能研究与应用

电动汽车锂离子动力电池在低温条件下工作时,电池的内阻明显升高、功率和能量急剧下降,导致整车低温下动力性能不足、续驶里程不足、充电受限等问题。通过试验进行了动力电池的低温特性研究,提出了适合整车低温工作的解决方案,通过实车验证,达到了很好的效果。