基于安时法的锂电池状态空间模型.docxVIP

  • 19
  • 0
  • 约3.53千字
  • 约 4页
  • 2023-09-19 发布于广东
  • 举报
基于安时法的锂电池状态空间模型 随着世界能源危机和污染的加剧,电动汽车的设计和制造受到了各国政府和公司的高度重视。动力电池作为电动汽车动力系统的重要部件, 其性能和成本是电动汽车发展的关键因素。电池荷电状态 ( State of Charge, SOC) 预测是电池组管理系统中最核心的任务, 直接影响电池可靠性、安全性和使用寿命。同时在动力电池工作过程中, 整车控制器需要依据电池管理系统提供的电池剩余容量SOC分配各系统能量, 实现最优控制。但电池SOC受到充放电电流、温度、循环寿命和自放电等各种因素影响, 不能直接测量, 只能通过一定的算法间接获得。目前, 常用的电池SOC估计方法有安时电流积分法、开路电压法、模糊逻辑法、神经网络法和扩展卡尔曼滤波 ( EKF) 法等。 安时电流积分法由于SOC初值计算、测量仪器误差、电流和温度导致容量变化等问题, 一般不应用于实车上。开路电压法需要较长的静止时间, 不适合SOC实时动态估计。相对于模糊逻辑法和神经网络法, 扩展卡尔曼滤波法计算量小, 便于实现, 然而扩展卡尔曼滤波要求统计特性已知的白噪声。电动车在行驶时, 电池管理系统在数据采集过程中系统噪声和量测噪声特性未知, 使扩展卡尔曼滤波估计准确性下降, 甚至导致发散。 相比于常用的电池SOC估计方法, 粒子滤波算法适用于任何用状态空间模型描述的非高斯背景的非线性随机系统, 对系统的测

文档评论(0)

1亿VIP精品文档

相关文档