没有合适的资源?快使用搜索试试~ 我知道了~
首页基于电路等效与UKF-EKF的锂电池SOC估算方法精准分析
基于电路等效与UKF-EKF的锂电池SOC估算方法精准分析
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 1 下载量 150 浏览量
更新于2024-08-24
收藏 1.62MB PDF 举报
本文主要探讨了基于电路等效和UKF-EKF的锂电池荷电状态(SOC)估算方法。在现代电动汽车中,锂电池的性能一致性对于电池组的整体效率、使用寿命和安全性至关重要。然而,单体电池间的不一致性是个挑战,这促使研究人员寻求更精确的SOC估算技术。 文章首先指出了传统等效模型在模拟电池充放电过程中可能存在真实度不足的问题,以及常用的算法如EKF(扩展卡尔曼滤波)可能面临的精度损失。为解决这些问题,作者提出了采用二阶Thevenin等效电路模型,结合实际数据通过递推最小二乘法进行电池模型参数的辨识。这种方法旨在提高模型对电池行为的精确模拟能力。 接着,文章对比了EKF和UKF(无迹卡尔曼滤波)算法的优缺点。EKF以其在处理非线性系统中的应用广泛而著名,但可能会遇到数值稳定性问题;而UKF则具有更高的并行性和计算效率,但在某些情况下可能会牺牲精度。为了克服这些局限,作者提出了一种融合这两种算法优点的联合在线SOC估计策略,即结合EKF的准确性与UKF的效率,以实现实时、高效的SOC估算。 通过将估算的SOC结果与实验测量数据进行对比,文章验证了这种方法的有效性和准确性。结果显示,提出的算法能够实现SOC的在线高精度估算,误差控制在5%以内,这对于电池管理系统的设计和锂电池组的均衡决策提供了可靠的依据。研究中还关注了算法的收敛性和复杂度,确保了实际应用中的可行性。 这篇论文为解决锂电池的单体不一致性问题提供了一种创新的SOC估算策略,具有较高的实用价值,对于优化电动汽车电池管理和提升整体性能具有重要意义。该研究结果对于电池技术的进一步发展和电动汽车行业的进步具有积极的推动作用。
资源详情
资源推荐
第
39
卷 第
12
期
20
18
年
12
月
自 动 化 仪 表
PROCESS AUTOMATION INSTRUMENTATION
Vol. 39 No. 12
Dec. 2018
收稿日期
: 2018
-05-31
基金项目
:
教育 部 大学生 创 新 创 业 训 练 计 划 基 金 资 助 项 目
、
四 川 省 科
技 厅 重 点 研发基金资助项目
( 2017F
Z0013 /
2018GZ
0390) 、
四川省教育厅科研基金资助项目
( 17ZB0453) 、
四川省科技创新苗子工程基金资助项目
( 2017109)
作者简介
:
刘小菡
( 1999—
) ,
女
,
在读本科
生
,
主要从事电子信息工程方向的研究
,E
-mail: 1581050740@ qq. com;
王顺利
(
通信作者
) ,
男
,
博士
,
讲师
,
主要从事控制科学与工程方向的研究
,E-m
ail: wangshunli@ swust. edu. cn
基于电路等
效和
UKF-EKF
的锂电池
SOC
估算方法研究
刘小菡
1
,
王顺利
1
,
陈明洁
2
,
苏 杰
1
,
马 程
1
( 1.
西
南科技大
学信息工程学院
,
四川 绵阳
621010; 2.
西南科技大学检测技 术研 究所
,
四川 绵阳
621010)
摘 要
:
锂电池以成组形式被广
泛使用
,
但在生产与使用 中单
体不一致现象会 严重影响电池的使用效率
、
寿命以及安全性
。
因此
,
对
动力锂电池荷电状态
( SOC)
进行实时准确估算
,
保证电池的及时均衡尤为重要
。
针对动力电池估算所存在的等效模型模拟电池充放
电过程中的真实性低
、
常用算法精度损失等问题
,
采用二阶
Thevenin
等效电路模型
,
通过递推最小二乘法进行电池模型的参数辨识
。
对比扩展卡尔曼滤波
( EKF)
算法与无迹卡尔曼滤波
( UKF)
算法的优
、
缺点
,
提出了一种结合
EKF
和
UKF
两种算法优势的联合在线
SOC
估计策略
。
将估计的
SOC
结果和试验测量结果进行比较
,
并通过试验与仿真验证该方法的精度
。
试验结果表明
,
该方法能够有
效实现
SOC
的在线估算
,
其估计精度在
5%
内
,
为电池管理系统的搭建与锂电池组的均衡提供了判断依据
。
关键词
:
单体不一致性
;
荷电状态
;
递推最小二乘法
;
收敛性
;
复杂度
中图分类号
: TH701; TP301. 6
文献标志码
: A DOI: 10. 16086 / j. cnki. issn1000-0380. 2018050043
Study on SOC Estimation Method for Lithium Battery
Based on Equivalent Circuit and UKF-EKF
LIU Xiaohan
1
,WANG Shunli
1
,CHEN Mingjie
2
,SU Jie
1
,MA Cheng
1
( 1. School o f Information Engineering,Southwest University of Science and Technology,Mianyang 621010,China;
2. Institute of Testing Technology,Southwest University of Science and Technology,Mianyang 621010,China)
Abstract: Lithium batteries are widely used in groups,but the monomer inconsistency in production and application seriously
affects the efficiency,lifecycle and safety of the batteries. Therefore,the real-time accurate estimation of the state of charge ( SOC)
of power lithium battery is critical for the in-time balancing of the batteries. Aiming at the problems in SOC estimation of power
lithium battery,i. e. ,the low authenticity of the charging and discharging periods of the simulation using equivalent circuit model,
and accuracy loss of the commonly used algorithms,the second-order Thevenin equivalent circuit model is used to identify the
parameters of the battery model by recursive least squares method. Comparing the advantages and disadvantages of extended
Kalman filter( EKF) algorithm and unscented Kalman filter( UKF) algorithm,a joint online SOC estimation strategy combining
the advantages of EKF and UKF algorithms is proposed. The estimated SOC results are compared with the experimental
measurements,and the accuracy of the method is verified by experiments and simulations. The experimental results show that the
method can effectively realize the online estimation of SOC,and its estimation accuracy is within 5% ,which provides a basis for
the establishment of battery management system and the judgment of balance for lithium battery pack.
Keywords: Monomer inconsistency; State of charge ( SOC)
; Rec
ursive least squares method; Convergence; Complexity
0
引
言
安时积分法
[1]
存在电池荷电状况
( st
ate of charge,
SOC )
随时间而累加的误差
,
开路电压法仅适用于为
其他估算方法 提供初始值
[2]
。
利用卡尔曼滤 波进行电
池估算是当今研究
的一个重要方向
[3-4]
。
扩展卡尔曼
算法
[5]
由卡尔曼算法发展而来
,
而无迹卡尔曼 滤 波
( unse
nted Kalman filtering,UKF)
在预测电池
SOC
值方
面更显优势
[6]
。
石刚等
[7]
提出了结
合神 经网络 的无
迹卡尔曼滤波算法
;
杨海学等
[8]
采用改进
Sag
e-Husa
( 201810619027,201810619082 )
下载后可阅读完整内容,剩余4页未读,立即下载
SKCQTGZX
- 粉丝: 125
- 资源: 4768
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 李兴华Java基础教程:从入门到精通
- U盘与硬盘启动安装教程:从菜鸟到专家
- C++面试宝典:动态内存管理与继承解析
- C++ STL源码深度解析:专家级剖析与关键技术
- C/C++调用DOS命令实战指南
- 神经网络补偿的多传感器航迹融合技术
- GIS中的大地坐标系与椭球体解析
- 海思Hi3515 H.264编解码处理器用户手册
- Oracle基础练习题与解答
- 谷歌地球3D建筑筛选新流程详解
- CFO与CIO携手:数据管理与企业增值的战略
- Eclipse IDE基础教程:从入门到精通
- Shell脚本专家宝典:全面学习与资源指南
- Tomcat安装指南:附带JDK配置步骤
- NA3003A电子水准仪数据格式解析与转换研究
- 自动化专业英语词汇精华:必备术语集锦
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功