基于无迹卡尔曼滤波的动力电池状态估计

文档摘要：准确预测动力电池的荷电状态(SOC)与健康状态(SOH)对电动汽车电池系统的安全运行至关重要.卡尔曼滤波(KF)算法被广泛用于动力电池的状态估计,但非线性误差较大.提出利用无迹卡尔曼滤波(UKF)算法实现对动力电池状态的准确估计.首先,通过分析动力电池实验数据,建立一阶等效电路模型,模型拟合优度达到0.992.随后,加入容量衰退机制模拟锂离子电池老化过程,并对电池进行恒流充电以及随机放电循环,模拟动力电池实际工况.不同初始值下,SOC、SOH估计的均方根误差均小于0.01,且随着循环次数的增加,误差逐渐减小.

Abstract：Accuratelypredictingthestateofcharge(SOC)andstateofhealth(SOH)ofpowerbatteryisvitalforthesafeoperationofelectricvehiclebatterysystems.Kalmanfilter(KF)algorithmiswidelyusedforpowerbatterystateestimation,butwithsignificantnonlinearerrors.TheunscentedKalmanfilter(UKF)algorithmisproposedandusedtorealizeaccuratepowerbatterystateestimation.Firstly,experimentaldataofpowerbatteryareanalyzedtoestablishafirst-orderequivalentcircuitmodelwithafittinggoodnessof0.992.Then,acapacitydegradationmechanismisincorporatedtosimulateLi-ionbatteryaging.Throughgalvanostaticchargeandrandomdischargecyclesofthebattery,actualpowerbatteryoperatingconditionsarereplicated.TherootmeansquareerrorsofSOCandSOHestimationarebelow0.01withdifferentinitialconditions,andgraduallydecreasewithmorecycles.

作者：李锦满   李儒欢   李浩南   李存鑫   邱子桐   郭凯   吴锴   周峻 Author：LIJinman   LIRuhuan   LIHaonan   LICunxin   QIUZitong   GUOKai   WUKai   ZHOUJun
作者单位：西安交通大学电气工程学院,陕西西安710049国网山东省电力科学研究院,山东济南250003
刊名：电池 ISTICPKU
Journal：BatteryBimonthly
年，卷(期)：2024, 54(3)
分类号：TM912.9
关键词：锂离子电池  状态估计  等效电路模型  荷电状态(SOC)  健康状态(SOH)  无迹卡尔曼滤波(UKF)  
Keywords：Li-ionbattery  stateestimation  equivalentcircuitmodel  stateofcharge(SOC)  stateofhealth(SOH)  unscentedKalmanfilter(UKF)  
机标分类号：U469.72TP391TM715
在线出版日期：2024年7月17日
基金项目：国家自然科学基金，电工材料电气绝缘全国重点实验室项目基于无迹卡尔曼滤波的动力电池状态估计[
期刊论文]  电池--2024, 54(3)李锦满  李儒欢  李浩南  李存鑫  邱子桐  郭凯  吴锴  周峻准确预测动力电池的荷电状态(SOC)与健康状态(SOH)对电动汽车电池系统的安全运行至关重要.卡尔曼滤波(KF)算法被广泛用于动力电池的状态估计,但非线性误差较大.提出利用无迹卡尔曼滤波(UKF)算法实现对动力电池状态的准确...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：锂离子电池,状态估计,等效电路模型,荷电状态(SOC),健康状态(SOH),无迹卡尔曼滤波(UKF),

2024-10-4 00:51 上传 基于无迹卡尔曼滤波的动力电池状态估计.pdf

文件大小:

2.74 MB

下载次数:

60

高速下载