基于AMEsim的锂电池健康状态估计模型实验研究
新能源汽车动力电池健康状态(state of health,SOH)是一个表征电池性能优良的重要评价指标.针对准确估计18650锂电池健康状态这一目标需求,在锂电池单体数学模型的基础上,通过其等效电路模型分析影响锂电池健康状态的因素,采用通用非线性模型(gneral nonlinear model,GNL)电池等效电路和扩展卡尔曼滤波算法,在AMEsim仿真环境下搭建了锂电池SOH估计模型,并对18650锂电池进行充放电循环实验,将采集到的数据集导人AMEsim估计模型的数据模块中进行算法仿真.仿真实验结果表明,SOH估算误差小于8%,建立的锂电池SOH估计模型满足估算精度高,响应速度快的目标需求.
电池健康状态、等效电路模型、卡尔曼滤波算法、AMEsim、充放电循环实验
42
TN701(基本电子电路)
2019-07-09(万方平台首次上网日期,不代表论文的发表时间)
共5页
102-106