基于改进EKF的飞机蓄电池在线SOC估计方法

蓄电池荷电状态(state of charge,SOC)是电池管理系统最为重要的参数之一,由于飞机蓄电池工作环境恶劣复杂,具有较强的非线性,给蓄电池的在线SOC估计带来较大的困难。以提高复杂应力条件下飞机蓄电池在线SOC估计精度为目的,采用性能测试实验对蓄电池性能参数的温度、放电率特性进行研究,并提出递推最小二乘法与扩展卡尔曼滤波算法结合的改进EKF方法,实现蓄电池等效电路模型参数的在线辨识以及蓄电池在线SOC的估计。上述方法通过物理实验进行了验证,实验结果表明,改进后EKF方法的SOC估计误差小于0.5%,估计精度获得明显提高。

基于电化学机理模型的锂离子电池参数辨识及SOC估计

采用Fisher信息矩阵进行参数可辨识性分析,解决了参数的辨识问题,进而提出了基于简化电化学机理模型SP2D(simple pseudo-two-dimensional)的SOC(电池电量)在线估计方法。实验表明,该SOC估计方法较基于等效电路模型(一阶RC模型)的SOC估计方法,可将SOC估计的平均误差减小近30%,而在电池放电中后期更可减小达60%,有效解决了在电池全工作范围内的SOC高精度估计问题。

基于无迹卡尔曼滤波的锂离子电池SOC估计

利用Simulink搭建模型,提出基于无迹卡尔曼滤波算法的自适应锂离子电池荷电状态(SOC)估计方法。对原有的等效电路模型进行改进,改进后的等效电路包括放电倍率和温度对SOC的影响。为准确地估计电池SOC的变化,提出针对因电池老化引起的SOC变化的自适应估计算法。通过实验,对SOC估计算法进行改进,并在18650型锂离子电池上验证。该方法能提供准确的SOC估计,平均误差不超过4%,计算效率高,适用于嵌入式系统。

基于渐消记忆递推最小二乘法的电动汽车电池荷电状态在线估计

电动汽车中,先进的电池管理系统可以为电池的安全高效使用提供保障.荷电状态(SOC)无法直接测量得到,电池管理系统的主要任务是准确、可靠地估计电池的SOC.为了估计电池的SOC,选择一阶电阻电容(RC)等效电路模型描述电池的外特性,模型参数中包含开路电压(OCV),通过渐消记忆递推最小二乘法(FFRLS)辨识模型参数,再用SOC-OCV模型实时计算.使用马里兰大学高级生命周期工程研究中心(CALCE)电池组提出的镍钴锰酸锂(LNMC)/石墨电池在动态应力测试(DST)和北京动态应力测试(BJDST)工况下的数据检验算法,结果表明,SOC估计误差在DST工况下不超过3.4190%,在BJDST工况下不超过4.2335%,实现了SOC的在线估计.