文獻(xiàn)標(biāo)志碼:A
DOI: 10.16157/j.issn.0258-7998.223341
中文引用格式: 王祥,,蘇建徽,,賴紀(jì)東,等. 基于AEKF的鋰離子電池SOC估算[J]. 電子技術(shù)應(yīng)用,,2023,,49(4):57-62.
英文引用格式: Wang Xiang,Su Jianhui,,Lai Jidong,,et al. SOC estimation of lithium-ion battery based on AEKF[J]. Application of Electronic Technique,2023,,49(4):57-62.
0 引言
近年來,鋰離子電池以能量密度高,、無記憶效應(yīng),、工作電壓高等優(yōu)點(diǎn)在電動(dòng)汽車等領(lǐng)域已獲得普遍認(rèn)可。鋰離子電池是一個(gè)復(fù)雜的電化學(xué)系統(tǒng),,使用不當(dāng)會(huì)加速老化過程以及影響安全性能,,為了有效避免電池過充和過放,提高電池的安全性和使用壽命,,電池SOC的精確估算尤為重要,。然而SOC是電池內(nèi)部的狀態(tài)量,,不能直接測量得到,但可以通過僅有的電流,、電壓,、溫度信息進(jìn)行估算,因此基于電池外特性的SOC精確估算方法成為研究熱點(diǎn),。
當(dāng)下,,鋰離子電池SOC估算方法主要包括開路電壓法、安時(shí)積分法,、神經(jīng)網(wǎng)絡(luò)法,、基于模型的卡爾曼類濾波方法等。開路電壓法容易受到不確定因素的干擾,,如溫度,、電池的老化程度、靜置時(shí)間等,。安時(shí)積分法需要通過其他方法獲取初值,,電流測量精度直接影響估算效果,精度過低會(huì)造成一定的累積誤差,。神經(jīng)網(wǎng)絡(luò)法需要大量和全面的數(shù)據(jù)進(jìn)行訓(xùn)練,,數(shù)據(jù)的數(shù)量和質(zhì)量以及訓(xùn)練方法都會(huì)對估算效果產(chǎn)生較大的影響?;谀P偷目柭悶V波算法需要依賴精確的等效模型,,此外初值的選取也很重要。XU等在基于鋰離子電池等效模型的基礎(chǔ)上,,采用在線辨識模型參數(shù)和無跡卡爾曼濾波算法進(jìn)行鋰離子電池的SOC估算,,平均估算誤差在2%左右。施輝偉等在Thevenin模型的基礎(chǔ)上使用拓展卡爾曼濾波算法實(shí)現(xiàn)了在不同溫度,、放電倍率和初始誤差下對電動(dòng)汽車電池SOC的精準(zhǔn)估算,。Almaita等提出了長短期記憶神經(jīng)網(wǎng)絡(luò)模型,對鋰離子電池的SOC進(jìn)行估算,,最大估算誤差小于0.62%,。然而以上研究均未考慮噪聲對估算精度的影響,存在一定的局限性,。
本文針對拓展卡爾曼濾波算法進(jìn)行鋰離子電池SOC估算時(shí)過程噪聲和觀測噪聲固定不變的問題,,提出一種基于等效模型的自適應(yīng)拓展卡爾曼濾波算法,在拓展卡爾曼濾波算法的基礎(chǔ)上引入觀測噪聲信息和過程噪聲信息協(xié)方差匹配環(huán)節(jié),,能夠有效提高鋰離子電池SOC的估算精度,。
本文詳細(xì)內(nèi)容請下載:http://forexkbc.com/resource/share/2000005283
作者信息:
王祥,蘇建徽,,賴紀(jì)東,,周晨光,,蘇志鵬
(合肥工業(yè)大學(xué) 光伏系統(tǒng)教育部工程研究中心,安徽 合肥 230009)