基于扩展卡尔曼粒子滤波算法的锂电池SOC估计.pdfVIP

中国机械工程第 26卷第 3期 2015年 2月上半月 基于扩展卡尔曼粒子滤波算法的锂 电池 SOC估计 赵又群 周晓凤 刘英杰 南京航空航天大学 ，南京 ，2l0016 摘要 ：锂 电池荷电状态用来描述电池剩余电量的多少，进而反映 电动汽车的续驶里程 ，是 电池管理 系统 中的核心参数。电池循环次数、瞬间大电流以及温度等 因素都会使 电池特性发生变化 ，使用扩展卡 尔曼滤波算法对电池荷 电状态进行估计 ，会有较大的误差甚至导致算法不收敛。为 了有效地抑制发散 以及噪声的影响，基于锂电池混合噪声模型，应用扩展卡尔曼粒子滤波算法对锂电池荷 电状态和电流漂 移噪声进行同步估计 。最后根据充放 电试验数据进行仿真分析 ，结果证明了该算法的优越性。 关键词：锂电池 ；荷 电状态 ；混合噪声模型 ；扩展卡尔曼粒子滤波 中图分类号 ：U463 DOI：10．3969／i．issn．1004—132X．2015．03．019 SoC EstimationforLi—IonBatteryBasedonExtendedKalman ParticleFilter ZhaoYouqun ZhouXiaofeng IiuYingie CollegeofEnergyandPowerEngineering，NanjingUniversityof AeronauticsandAstronautics，Naning，21O016 Abstract：ASthekeyparameterforpowerbatterymanagement，theS0C ofLi—ion battery de— scribedtheresidualcapacity，andindieatedtheremainderdrivingrangeofelectricvehicles．Thecycles， instantaneoushighcurrent，abnorma1temperaturesandotherfactorswouldchangecellcharacteristics。 whichm ightintroducelargererrorsevendivergenceovertimeiftheextendedKalmanfilteralgorithm wereappliedtotheSOC estimation．Tosuppressthedivergenceandnoise，thispaperproposedameth— odbasedonEKPF algorithm to realizeaccurateS()C and thecurrentdriftestimation on theIi—ion batterymixednoisemode1．Finally，thesuperiorityofthismethodwasvalidatedbysimulationresults． Keywords：Ii—ionbattery；state—of—charge(SOC)；m ixednoisemodel；extendedKalmanparticlefil— ter(EKPF) 0 引言 尔曼滤波算法 ，实现 了电池 SOC的闭环估计。文 电动汽车以环保 、节能及轻便等特点被人们 献[7—11]均采用扩展卡尔曼滤波算法对 电池 所青睐，而作为关键技术部件的电池，其性能直接 SOC进行估计 ，使得极化效应的影响大大减弱 ， 影响到整车性 能的好坏。锂离子 电池具有 电压 提高了电池 SOC计算 的精度。为减小锂 电池非 高、比能量高 、充放 电寿命长、无记忆效应 、无污 线性引起的误差 ，也有研究人员将粒子滤波算法 染 、自放电率低、工作温度范围宽和安全可靠等优 应用到 电池 SOC估计 中。文献 [1el为了较好地 点，是 目前 电动汽车首选 的核心动力源l1]。它具 解决粒子滤波算法 中粒