基于高度非线性的电动汽车电池荷电状态研究.docxVIP

  • 6
  • 0
  • 约3.96千字
  • 约 4页
  • 2023-09-19 发布于广东
  • 举报

基于高度非线性的电动汽车电池荷电状态研究.docx

基于高度非线性的电动汽车电池荷电状态研究 动力电池soc估计方法 作为电动汽车的主要能量源,电动汽车的优化管理包括充电压压控制和优化管理,这直接影响到电动汽车的使用寿命和动力系统性能。因此,正确的电动汽车充电估算对于电动汽车的运行非常重要。目前电动汽车使用的动力电池SOC估计方法主要有安时计量法、内阻法、开路电压法、神经网络法和Kalman滤波法,目前经常使用简化的电化学模型、神经网络模型、等效电路模型,在模型参数辨识方法、适用范围、模型精度等方面各有优势。其中Kalman滤波法在估算过程中能保持很好的精度,并且对初始值的误差有很强的修正作用,对噪声有很强的抑制作用,特别适合于电流变化较快的混合动力汽车,特别适合电动汽车中电流变化剧烈的状况。本文建立了适合于Kalman滤波估计的锂离子动力电池状态空间模型,针对锂离子电池特有的充放电特性改进安时法,在改进安时法基础上,结合卡尔曼滤波最优化递推算法,在有测量噪声环境中对蓄电池的荷电状态进行实时滤波与估计,并通过给出了试验和仿真结果。 1 模型的选择与改进 卡尔曼滤波算法是一种采用自回归的最优化处理算法,其主要思想是对动力系统的状态做出最小方差意义上的最优估计。采用kalman滤波算法估计电池的荷电状态,其核心是一组由滤波器计算和滤波器增益计算构成的递推公式,滤波器计算把电池工作电流I和工作温度T等作为输入量,根据这些变量进行状态递推

文档评论(0)

1亿VIP精品文档

相关文档