基于自适应无迹卡尔曼滤波算法的锂离子动力电池状态估计 |
| |
引用本文: | 魏克新,陈峭岩.基于自适应无迹卡尔曼滤波算法的锂离子动力电池状态估计[J].中国电机工程学报,2014(3). |
| |
作者姓名: | 魏克新 陈峭岩 |
| |
作者单位: | 天津大学电气与自动化工程学院; |
| |
基金项目: | 国家高技术研究发展计划项目(863计划)(2011AA11A279)~~ |
| |
摘 要: | 应用传统的无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电动汽车锂离子动力电池核电状态(state of charge,SOC)时,常会出现由于电池模型参数不准确而造成估计误差增大的问题,该文采用了自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法解决该问题。AUKF算法是一种循环迭代算法,可以实时估计电池模型中的欧姆内阻,提高电池模型准确性,从而提高电池SOC估计精度。另外,电池的欧姆内阻可以表征电池的健康状态(state of health,SOH),因此还可以根据电池的欧姆内阻估计出电池的SOH。在设定工况下对电池做充放电实验,实验分析表明,与UKF相比,AUKF提高了电池SOC估计的精度,并能准确的估计出电池的欧姆内阻。
|
关 键 词: | 荷电状态 健康状态 自适应无迹卡尔曼滤波器 电动汽车 锂离子动力电池 |
本文献已被 CNKI 等数据库收录! |
|