模型参数优化的卡尔曼滤波SOC估计

荷电状态(SOC)表征电动汽车动力电池剩余电量。以精确在线估计电动汽车动力电池SOC为目的,基于Thevenin等效电路模型,结合电路原理对模型参数进行辨识,对辨识后的模型参数进行合理优化。利用基于优化后模型参数的扩展卡尔曼滤波对SOC进行在线估计,对比基于优化前模型参数的扩展卡尔曼滤波SOC在线估计结果,仿真结果表明,利用优化后的模型参数,在不影响扩展卡尔曼滤波初值误差收敛性的前提下,估算误差比优化前减小了43%左右,具有更高的SOC在线估计精度。     

基于双扩展卡尔曼滤波的电池荷电状态估计

以磷酸铁锂动力电池为研究对象,以精确估算电动汽车动力锂电池组在实际运行工况中的SOC为目的,基于Thevenin等效电路模型和扩展卡尔曼滤波算法,结合脉冲功率特性实验（HPPC Test）对模型参数进行辨识,采用双扩展卡尔曼滤波对SOC和模型参数进行在线估算,并分析算法在不同温度下的适应性和不同SOC初始值条件下的收敛特性。仿真结果表明,在不同的工况下,相比于单扩展卡尔曼滤波该算法具有更高的精度、更好的环境适应度和对初始误差的收敛性。     

串联电池组双目标混合均衡控制研究

针对新能源汽车动力锂电池组的不一致性问题,较多研究基于电池组不一致性的外部表现建立控制策略,如电压均衡、SOC（state of charge）均衡等。通过分析电池组产生不一致性的根本原因,结合电池内、外部影响因素的耦合关系,提出了基于老化率和SOC的双目标混合均衡控制方法,同时实现了老化和SOC的均衡。老化均衡实现了各单体电池在不同工况下的寿命衰减程度达到一致,使得电池的不一致性从根源上得到改善;SOC均衡进一步避免了不一致性的扩大,最大限度的发挥动力电池的性能。最后,以4个单体串联的电池组为例在Matlab/Simulink中搭建了均衡电路仿真模型,通过与单目标SOC均衡比较,验证了所提均衡方法的有效性。