资源描述：
《基于模型融合与自适应无迹卡尔曼滤波算法的锂离子电池SOC估计.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、汽车工程２０１７年(第３９卷)第９期ＡｕｔｏｍｏｔｉｖｅＥｎｇｉｎｅｅｒｉｎｇ２０１７(Ｖｏｌ.３９)Ｎｏ.９ｄｏｉ:１０.１９５６２/ｊ.ｃｈｉｎａｓａｅ.ｑｃｇｃ.２０１７.０９.００４基于模型融合与自适应无迹卡尔曼滤波∗算法的锂离子电池ＳＯＣ估计１,２１１１刘伟龙,王丽芳,廖承林,王立业(１.中国科学院电力电子与电力传动重点实验室电工研究所,北京１００１９０;２.中国科学院大学,北京１０００４９)[摘要]为提高电动汽车动力电池ＳＯＣ的估计精度,本文中对锂离子电池模型与参数辨识算法、自适应无迹卡尔曼滤波(ＡＵＫＦ)算法和基于电池模型融合的ＳＯＣ估计算法进行研究。建立了具有明确物理
2、意义的电池电路模型,采用基于遗传算法(ＧＡ)的模型参数辨识算法,设计了基于ＡＵＫＦ的电池ＳＯＣ估计方法,并基于贝叶斯信息准则,提出了电池模型融合方法,实现了基于模型融合与ＡＵＫＦ的电池ＳＯＣ估计。仿真结果验证了该方法具有较高的精度。关键词:锂离子电池;ＳＯＣ估计;参数辨识;自适应无迹卡尔曼滤波;模型融合ＥｓｔｉｍａｔｉｏｎｏｆＬｉ-ｉｏｎＢａｔｔｅｒｙＳＯＣＢａｓｅｄｏｎＭｏｄｅｌＦｕｓｉｏｎａｎｄＡｄａｐｔｉｖｅＵｎｓｃｅｎｔｅｄＫａｌｍａｎＦｉｌｔｅｒｉｎｇＡｌｇｏｒｉｔｈｍ１,２１１１ＬｉｕＷｅｉｌｏｎｇ,ＷａｎｇＬｉｆａｎｇ,ＬｉａｏＣｈｅｎｇｌｉｎ＆ＷａｎｇＬｉｙｅ１.Ｋｅ
3、ｙＬａｂｏｒａｔｏｒｙｏｆＰｏｗｅｒＥｌｅｃｔｒｏｎｉｃｓａｎｄＥｌｅｃｔｒｉｃＤｒｉｖｅｓ,ＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ,ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅ,Ｂｅｉｊｉｎｇ１００１９０；２.ＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ,Ｂｅｉｊｉｎｇ１０００４９[Ａｂｓｔｒａｃｔ]ＩｎｏｒｄｅｒｔｏｅｎｈａｎｃｅｔｈｅＳＯＣｅｓｔｉｍａｔｉｏｎａｃｃｕｒａｃｙｏｆｐｏｗｅｒｂａｔｔｅｒｙｉｎｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｓ,ｔｈｅｌｉｔｈｉ-ｕｍ-ｉｏｎｂａｔｔｅｒｙｍｏｄｅｌａｎｄｉｔｓｐａｒａｍｅｔｅｒ
4、ｉｄｅｎｔｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍ,ａｄａｐｔｉｖｅｕｎｓｃｅｎｔｅｄＫａｌｍａｎｆｉｌｔｅｒｉｎｇ(ＡＵＫＦ)ａｌｇｏ-ｒｉｔｈｍａｎｄｔｈｅＳＯＣｅｓｔｉｍａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｂａｔｔｅｒｙｍｏｄｅｌｆｕｓｉｏｎａｒｅｓｔｕｄｉｅｄｉｎｔｈｉｓｐａｐｅｒ.Ａｂａｔｔｅｒｙｃｉｒｃｕｉｔｍｏｄｅｌｗｉｔｈｃｌｅａｒｐｈｙｓｉｃａｌｍｅａｎｉｎｇｓｉｓｅｓｔａｂｌｉｓｈｅｄ,ａＡＵＫＦ-ｂａｓｅｄｂａｔｔｅｒｙＳＯＣｅｓｔｉｍａｔｉｏｎｓｃｈｅｍｅｉｓｄｅｖｉｓｅｄｂｙｕ-ｓｉｎｇｍｏｄｅｌｐａｒａｍｅｔｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔ
5、ｈｍｂａｓｅｄｏｎｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ,ａｎｄａｂａｔｔｅｒｙｍｏｄｅｌｆｕｓｉｏｎｍｅｔｈｏｄｉｓｐｒｏ-ｐｏｓｅｄｂａｓｅｄｏｎＢａｙｅｓｉａｎｉｎｆｏｒｍａｔｉｏｎｃｒｉｔｅｒｉａｔｏｆｕｌｆｉｌｌｂａｔｔｅｒｙＳＯＣｅｓｔｉｍａｔｉｏｎｂａｓｅｄｏｎｍｏｄｅｌｆｕｓｉｏｎ.ＴｈｅｒｅｓｕｌｔｓｏｆｓｉｍｕｌａｔｉｏｎｓｈｏｗｔｈｅｈｉｇｈａｃｃｕｒａｃｙｏｆＳＯＣｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄｐｒｏｐｏｓｅｄ.Ｋｅｙｗｏｒｄｓ:Ｌｉｔｈｉｕｍ-ｉｏｎｂａｔｔｅｒｙ；ＳＯＣｅｓｔｉｍａｔｉｏｎ；ｐａｒａｍｅｔｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎ；ＡＵＫＦ；ｍｏｄｅｌｆ
6、ｕｓｉｏｎ汽车动力电池的主流选择。为保障动力电池安全、前言高效、稳定的运行,须使用电池管理系统进行监测管理。而ＳＯＣ作为动力电池的主要内部参数和电池目前,电动汽车代表汽车产业的发展方向已经管理系统的重要监测参数,影响到电动汽车系统能[１]成为普遍共识。动力电池作为电动汽车的主要能量流控制策略,以及驾驶员的车辆使用决策。对其量来源,决定着电动汽车的续航里程、动力性能和使进行实时精确的估计具有重要意义。用经济性。锂离子电池由于具有能量密度大、电压动力电池ＳＯＣ估计方法主要可以分为:安时积[２][３][４-６]平台高、循环寿命长和无记忆效应的优点,成为电动分法、开路电压法和高级估计方法。其
7、中,∗国家重点研发计划项目(２０１６ＹＦＢ０１００１０７和２０１６ＹＦＢ０１０１８００)和国家电网公司科技项目“电动汽车基础设施运行安全与互联互通技术”资助。原稿收到日期为２０１６年９月９日,修改稿收到日期为２０１６年１０月２６日。通信作者:刘伟龙,博士,Ｅ-ｍａｉｌ:ｚｋｙｌｗｌ＠ｆｏｘｍａｉｌ.ｃｏｍ。•９９８•汽车工程２０１７年(第３９卷)第９期安时积分法作为经典ＳＯＣ估计方法广泛应用于电化对应；Ｒ为电荷转移电阻；ｎ-ＲＣ环节对应于电化ｔ池管理系统中
