优化电池模型的自适应Sigma卡尔曼荷电状态估算
采用数学模型法对磷酸铁锂电池进行非线性建模,优化了状态模型及观测模型.模型考虑了充放电倍率、温度、老化循环寿命等因素,对电池松弛效应及极化现象影响进行建模补偿,提高了电池建模的准确度,降低了不同条件下因电池模型造成电池荷电状态(SOC)估算的误差影响.在电池模型参数辨识基础上,提出采样自适应Sigma卡尔曼算法构建SOC估算模型,按照非线性模型对状态变量的分布构建Sigma采样序列,采用模型输出残差更新噪声协方差,赋予Sigma采样序列最优估计及噪声的权值,并实现误差量的实时更新,降低计算复杂度.通过持续大电流、间断电流、变电流放电及充电实验条件下的SOC估算对比实验,验证了自适应Sigma卡尔曼算法快速收敛性,数学描述更准确,具备较高的SOC的观测准确度.
荷电状态估算、状态模型、观测模型、自适应Sigma卡尔曼算法
32
TM912
科技部创新基金11C26213204616;江苏省自然科学基金BK20140204;江苏省科技成果转化基金BA2008029
2017-04-21(万方平台首次上网日期,不代表论文的发表时间)
共11页
108-118