| 摘要: 进行了用自适应扩展卡尔曼滤波(AEKF)算法估计电动车用锂离子动力电池的荷电状态(SOC)的研究.基于混合脉冲功率特性(HPPC)试验,利用遗传优化算法改进Thevenin电路模型参数辨识方法,且从充放电两个方向来获得模型参数,然后在动态应力测试(DST)工况下对改进的模型进行仿真验证分析,基于改进的模型和联邦城市行驶工况(FUDS),应用AEKF算法开展SOC估计研究.仿真和台架试验结果对比表明,改进的Thevenin电路模型和AEKF算法均具有较高的精度,最大估算误差分别为1.70%和2.53%;同时AEKF算法具有较好的鲁棒性,可以有效地解决初始估算不准和累计误差的问题. |
部分图片:
| | 图1 AKEF算法流程 | 图2 端电压台架试验值和观测值的对比曲线 | 引文信息: 熊瑞,孙逢春,何洪文.自适应卡尔曼滤波器在车用锂离子动力电池SOC估计上的应用[J].高技术通讯,2012(2):198-204. (下载链接) | 其他相关论文: 1. Rui Xiong,Fengchun Sun,Zheng Chen,Hongwen He. A data-driven multi-scale extended Kalman filtering based parameter and state estimation approach of lithium-ion olymer battery in electric vehicles[J]. Applied Energy,2014,113.(下载链接)
2. Quanqing Yu,Rui Xiong,Cheng Lin. Online Estimation of State-of-charge Based on the H infinity and Unscented Kalman Filters for Lithium Ion Batteries[J]. Energy Procedia,2017,105. (下载链接)
|
|