10.19799/j.cnki.2095-4239.2022.0277
基于Sage-Husa EKF算法的锂离子电池能量状态估计
为充分利用电池内存储的能量,防止过放电和过充电,需要精准地估计电池的能量状态(SOE),通常SOE定义为剩余能量与标准额定能量的比值.现有的SOE估计算法尚未充分考虑温度、工况等的影响,导致估计结果精确度较低,为准确估计电池的能量状态,本工作提出了基于Sage-Husa自适应扩展卡尔曼滤波(S-H EKF)算法的锂离子电池能量状态估计方法,并与传统的基于扩展卡尔曼滤波(EKF)的SOE估计算法精度进行对比分析.首先,分析了温度对电池能量特性的影响,获取不同温度下电池的标准能量.之后,建立考虑参数值随温度和SOE值变化的二阶RC等效电路模型,结合混合脉冲功率特性实验,使用最小二乘法进行模型参数辨识,并对模型精度进行验证,验证结果表明模型能够较好地仿真电池的端电压,具有较高精度.最后,使用S-H EKF和EKF对动态工况和间歇大倍率充电工况进行SOE估计,对比结果表明:以绝对误差均值为对比标准,S-H EKF的估计精度相比EKF高20.72%,SOE估计的最大绝对误差小于3%,更加适用于锂离子电池的能量估计.
锂离子电池、能量状态、等效电路模型、扩展卡尔曼滤波、Sage-Husa自适应扩展卡尔曼滤波
11
TM912
国网江苏省电力有限公司科技项目J2021042
2022-11-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
3603-3612