10.3969/j.issn.1673-8845.2023.02.011
基于自适应滑模观测器的荷电状态估算方法
锂电池荷电状态(State of Charge,SOC)的精确估算是电池管理系统的必要基础,但锂电池受充放电倍率大小、老化速度等影响,存在强非线性、时变性等特性,SOC难以直接测量,只能结合海量电压和电流数据通过算法估算.本文提出一种自适应滑模观测器算法(Attitude Sliding Mode Observer,ASMO)对SOC估算,通过梯度下降的算法实时更新滑模观测器矩阵增益,以提高算法的精度和鲁棒性.在测试工况下将拓展卡尔曼滤波算法、滑模观测器算法与改进算法比较,结果表明,相较于传统拓展卡尔曼滤波算法和滑模观测器算法,改进过的算法具有更高的精度和鲁棒性,误差可控制在 1%以内,验证改进算法有效性.
锂电池、荷电状态、自适应滑模观测器、拓展卡尔曼滤波器
TM912;U469.72;TN957.51
2023-05-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
36-39,44