基于自适应无迹卡尔曼滤波算法的锂离子动力电池状态估计

摘要：

应用传统的无迹卡尔曼滤波(unscented Kalman filter， UKF)算法估计电动汽车锂离子动力电池核电状态(state of charge，SOC)时，常会出现由于电池模型参数不准确而造成估计误差增大的问题，该文采用了自适应无迹卡尔曼滤波(adaptive unscented Kalman filter，AUKF)算法解决该问题。AUKF算法是一种循环迭代算法，可以实时估计电池模型中的欧姆内阻，提高电池模型准确性，从而提高电池SOC估计精度。另外，电池的欧姆内阻可以表征电池的健康状态(state of health，SOH)，因此还可以根据电池的欧姆内阻估计出电池的 SOH。在设定工况下对电池做充放电实验，实验分析表明，与UKF相比，AUKF提高了电池SOC估计的精度，并能准确的估计出电池的欧姆内阻。

关键词：荷电状态、健康状态、自适应无迹卡尔曼滤波器、电动汽车、锂离子动力电池

分类号：U463(汽车工程)

资助基金：国家高技术研究发展计划项目863计划2011AA11A279。The National High Technology Research and Development of China 863 Program 2011AA11A279

在线出版日期：2014-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：445-452