基于改进扩展卡尔曼滤波算法的锂离子电池荷电状态估计.pdfVIP

•信息技术 • 邹峰,等 •基于改进扩展卡尔曼滤波算法的锂离子电池荷电状态估计 - DOI:10.19344/ ｊ.ｃnki.issn1671 5276.2017.05.033 基于改进扩展卡尔曼滤波算法的锂离子 电池荷电状态估计 邹峰,陈则王 (南京航空航天大学 自动化学院,江苏 南京211106) 摘 要:针对在复杂应力条件下扩展卡尔曼滤波估计锂离子电池SOC的估计精度不高问题,提 - 出了一种改进扩展卡尔曼滤波算法的锂离子电池SOC估计方法。 通过运用Sage Hｕsa 自适应 算法来对系统噪声与观测噪声进行修正。 最后设计了DST工况实验进行验证,实验结果表明, 相比Ah 法与扩展卡尔曼滤波估计法,改进扩展卡尔曼滤波估计法具有更高的精度与收敛性, 最大估计误差不超过0.7％,是一种行之有效的方法。 关键词:锂离子电池；改进扩展卡尔曼滤波；Theｖenin模型；SOC ＋ 中图分类号:TP202 .7 文献标志码:B 文章编号:1671-5276(2017)05-0130-04 - Estimation of SOCof Li ion Batterｙ Based on Improved Extended Ｋalman Filter ＺOＵ Feng,CHEN Ｚewang (Ｃollege of Automation,Ｎanｊing Ｕniｖerｓity of Aeronauticｓ and Aｓtronauticｓ,Ｎanｊing211106,Ｃhina) Abstract: - lnordertoimproｖetheaccuracyofSＯＣeｓtimationof li ionｂattery ｂy uｓeofeｘtended Ｋalmanfilteringmethodincompleｘ ｓtreｓｓ conditionｓ,animproｖedeｘtended Ｋalmanfilteringmethod iｓ propoｓed.Syｓtemnoiｓeand meaｓurement noiｓearemodifiedｂy - Sage Ｈuｓa adaptiｖe algorithm. lnthe end,thiｓ paper deｓignｓ the ＤST (Ｄynamic Streｓｓ Teｓt) condition eｘperiment to ｖerify thiｓ method.The eｘperiment reｓultdemonｓtrateｓthattheeｓtimationaccuracyandtheconｖergenceｂy uｓeoftheimproｖedeｘtended Ｋal- man filtering method areｂetterthanｂy uｓeofAhand EＫＦmethodｓ,andthemaｘimumeｓtimationerroriｓ leｓｓthan0.7％,it iｓaｋind of ｖery effectiｖe method. Ｋeｙｗords: - li ion ｂattery；lmproｖed eｘtended Ｋalmanfiltering；Theｖenin model；SＯＣ 态,不适合在线估算