基于迭代扩展卡尔曼滤波算法的电池SOC估算.pdf

《基于迭代扩展卡尔曼滤波算法的电池SOC估算.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、第50卷第5期电力电子技术Vo1．50．No．52016年5月PowerElectronicsMav2016基于迭代扩展卡尔曼滤波算法的电池SOC估算吴铁洲，罗蒙，张琪，蒋小维(湖北工业大学，太阳能高效利用湖北省协同创新中心，湖北武汉430068)摘要：采用卡尔曼滤波算法估算动力电池的荷电状态(SOC)，其估算精度与SOC初值无关，但与动力电池的等效模型有关。为进一步提高SOC估算精度，充分考虑温度对电池模型参数的影响，改进电池的二阶RC等效电路模型．建立电池的非线性状态空间模型；为保证SOC估算

2、结果的收敛性，将迭代滤波理论引入到扩展卡尔曼滤波(EKF)算法中；采用Levenberg．Marquardt(LM)方法优化迭代过程，并将其应用于动力电池SOC的估计。实验结果表明，与EKF和迭代EKF(IEKF)算法相比，采用改进的电池等效模型和优化算法，具有较好的收敛性，且提高了估算SOC的精度。关键词：荷电状态：状态空间模型：卡尔曼滤波中图分类号：TM912文献标识码：A文章编号：1000—100X(2016)05—0095—04BatterySOCEstimationBasedonIter

3、ativeExteladedKalmanFilterAlgorithmwuTie—zhou，LUOMeng，ZHANGQi，JIANGXiao—wei(HubeiCollaborativeInnovationCenterforHigh-efficiencyUtilizationofsoEnergy，Wuhan430068，China)Abstract：Kalmanfilteralgorithmestimatebauerystateofcharge(SOC)，theestimationaccurac

4、yisnorelatedwiththeinitialvalueofSOC，butrelatedwiththebatteryequivalentmode1．ToenhancetheSOCestimationaccuracy，fullycon-sidertheimpactoftemperatureonthebatterymodelparameters，improvethebat~rysecond-RCequivalentcircuitmodel。establishthebauerynonlinears

5、tatespacemode1．ToensuretheconvergenceoftheSOCestimationresults，in一~odueetheiterativefiltertheorytoemendedKalmanfilter(EKF)algorithm，usetheLevenberg-Marquardt(LM)methodtooptimizetheiterativeprocess，andapplyittothebatterySOCestimate．Experimentalresultss

6、howthatcomparedwithEKFanditeratedEKF(IEKF)algorithm，baseontheimprovedbatteryequivalentmodelandoptimizationalgofi-thmtoestimatethebatterySOC，withgoodconvergence，andenhancetheSOCestimationaccuracy．Keywords：stateofcharge；statespacemodel；KalmanfilterFound

7、ationProject：SupportedbyNationalNaturalScienceFound~ionofChina(No．51247004)1引言EKF算法来进行电池SOC的估算。该算法在建立准确的电池模型的基础上可得到很好的估算精电动汽车的推广使用成为节能减排的途径之度，且该算法对初始值的误差有较强的修正作用，一。动力电池是电动汽车的核心部件，电池SOC对噪声也有很强的抑制作用．但其对电池模型的的估算是电池能量管理系统的关键技术之一【”。精度要求较高．且在将非线性函数用泰勒级数展精确估

8、算电池的SOC．能有效防止电池过充和过开进行线性化的过程中。忽略了高阶项。必定会引放，延长电池的使用寿命，同时也能为电动汽车的起误差，降低估算的精度。整车控制提供重要依据。为进一步提高SOC估算精度．这里提出将迭为达到较高的SOC估算精度．在安时计量代滤波理论引入到EKF算法中．在状态更新阶段法、开路电压法等的基础上提出了神经网络法【z】通过迭代过程提高估算的精度．同时采用LM法和卡尔曼滤波法。卡尔曼滤波法计算量小，易于实优化迭代过程，增加迭代结果误差的收敛性。现，但它仅适用于线性