動力電池SOC估算研究與實現(xiàn).pdf

1、電荷狀態(tài)(State of Charge,SOC)是電池管理系統(tǒng)(BMS)中的重要參數(shù),準(zhǔn)確估算 SOC,可保證電池維持在合理的電壓范圍內(nèi),防止由于過充或深放對電池的損傷,延長電池壽命。
　　該文建立了三階RC等效電路模型,通過雙卡爾曼濾波(DKF)方法在線辨識電池模型所有參數(shù),全面準(zhǔn)確地反映電池的動態(tài)特性,并在 MATLAB/Simulink環(huán)境下搭建了仿真模型以驗證其有效性。
　　針對狀態(tài)變量較多、耦合性較強、噪聲隨機性

2、強和可能出現(xiàn)野值的電池系統(tǒng),運用疊加原理,分解測量方程,將狀態(tài)變量分開估算,消弱了它們之間的耦合關(guān)系,提出了一種基于擴(kuò)展卡爾曼濾波(EKF)的新型SOC估算方法,即New-EKF算法。在所設(shè)計的DKF基礎(chǔ)上,運用EKF與所提出的方法在不同電流工況下對SOC進(jìn)行估算,其結(jié)果表明EKF在恒流工況下,SOC估算精度較好,但在變電流工況下,其SOC的估算效果較差,甚至發(fā)散,而所提出的新型SOC估算方法在不同電流工況下,SOC估算精度較高,特別適

3、合用于電流劇烈變化的電動汽車用動力電池的SOC估算中,同時驗證了所建立電池模型、DKF參數(shù)辨識方法及所提出的SOC估算方法的有效性和可行性。
　　為了進(jìn)一步提高SOC估算精度,運用EKF估算SOC時,加入了自適應(yīng)濾波方法,即自適應(yīng)擴(kuò)展卡爾曼濾波(AEKF)算法,同時在使用 DKF在線辨識模型參數(shù)過程中,為了防止由計算舍入誤差的影響,導(dǎo)致估算誤差矩陣失去非負(fù)定性所產(chǎn)生的濾波發(fā)散現(xiàn)象,將UD分解方法用于濾波時間更新和狀態(tài)更新中,增強了