实时辨识锂离子电池参数并基于改进AEKF估算SOC
随着使用工况、衰退状况以及工作温度的改变,动力锂离子电池内部参数也会随之变化,因此基于模型估算电池荷电状态(SOC)的方法中模型参数是时变的.然而,由于采用离线的方式获取,传统的扩展卡尔曼滤波(EKF)算法中的模型参数却是不变的,由此导致随时间的推移SOC估算精度会下降.为了解决这一问题,建立带遗忘因子的递推最小二乘法来实时更新模型参数,联合改进的自适应扩展卡尔曼滤波(AEKF)算法进行SOC估算.使用混合脉冲功率特性(HPPC)测试数据对比该方法与传统EKF表现,结果表明该方法具有更高的精度,其相对误差小于1%,且对电池充放电的动态特性有更好的模拟效果.
锂离子电池、自适应卡尔曼滤波、荷电状态、参数辨识
43
TM912.8
2020-09-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
30-35