共查询到16条相似文献，搜索用时 187 毫秒
1.
《东南大学学报》2020,(2)
为弥补传统电动汽车锂电池SOC估计算法估计误差大的缺陷,考虑电动汽车动力电池复杂的工作条件,将参数在线辨识方法和修正协方差扩展卡尔曼滤波(MVEKF)算法结合,提出了一种锂电池SOC在线估计算法.新算法使用变遗忘因子递归最小二乘法实现模型参数在线辨识,利用修正后的状态估计值重新计算迭代过程中的协方差,并将新的过程增益值用于下一状态估计以减少滤波误差.恒脉冲放电和动态应力测试(DST)等实验表明:在电池复杂的充放电条件下,与EKF算法对比,MVEKF滤波算法估计误差更小,最多可减少5%的误差;在DST条件下的充电过程中,EKF会有较大的偏差且不稳定,而MVEKF算法可稳定地估计SOC,且鲁棒性强,适用于电动汽车电池复杂多变的工作条件. 相似文献
2.
樊翠玲 《实验室研究与探索》2018,(1):134-138
为了提高锂电池SOC估算的精度,采用改进粒子滤波算法。首先在Thevenin模型的基础上考虑了电流漂移和温度对SOC估算的影响,并对模型参数求解,同时校正了锂电池SOC估算模型,减少了计算误差,使得SOC估算更加精确;通过UKF算法更新粒子,比对权值大小,只有权值大的粒子才能够进入复制组被重新采样,小的则被抛弃,进入复制组的粒子通过线性函数生成新粒子,如果抛弃组粒子数目大于复制组粒子时,循环使用抛弃组粒子;最后给出了算法流程。试验结果表明,改进算法提高了SOC估算精度,本文模型结果与试验标准结果的误差能够控制在较小的范围内,最大误差为1.846%,明显低于采用卡尔曼滤波和粒子滤波算法的SOC估计误差。 相似文献
3.
动力电池的荷电状态(State of Charge,SOC)是预估电动汽车剩余有效行驶里程的重要参数之一。为提高锂电池SOC 的估算精度,考虑了温度对锂电池特性的影响。通过实验得到温度对电池容量的关系曲线,以及得到OCV-SOC-T 的函数映射关系,基于二阶RC 等效电路模型,利用带遗忘因子递推最小二乘法(Forgetting Factor Recursive Least Square, FFRLS)对模型进行实时在线参数辨识。在不同温度和工况条件下,采用扩展卡尔曼滤波(Extended Kalman filter,EKF)和无迹卡尔曼滤波( Un-scented Kalman filter, UKF)算法对锂电池的SOC 进行估算并对比验证,结果表明,EKF 在动态压力测试工况(DST)和美国联邦城市运行工况(FUDS) 的均方根误差分别在4.93%和4.69%以内,UKF 在DST 和FUDS 工况下的均方根误差分别在1.47%和1.49%以内。研究结果表明,FFRLS联合EKF和UKF都可以实时估算SOC,且在不同温度和不同工况条件下,UKF算法相较于EKF算法,抗干扰能力更强,估算精度更高,收敛性更好。 相似文献
4.
5.
锂电池SOC估计影响因素众多,实际工况过于复杂,同时伴随噪声干扰而难以精确估计。为解决上述问题,综合考虑表征参数,提出了锂电池运行状态识别模型。基于RC电路思想,引入运行状态模型,提出了锂电池精确SOC估计模型。为提高模型的鲁棒性和收敛速度,采用粒子群优化算法进行关联参数寻优,并采取噪声误差分析机制提出一种降噪算法。对不同型号锂电池进行实验,仿真结果表明,锂电池运行状态识别模型能有效识别不同退化程度的电池运行状态,估计模型能可靠精确地估计不同退化趋势的锂电池SOC,具有良好的鲁棒性和收敛速度。 相似文献
6.
在大量先验数据的基础上,根据电池管理系统的采样数据,结合安时积分法和开路电压法,对电池SOC进行估算,同时考虑温度及单体电池的不一致性对电池性能的影响,根据不同温度与电池SOC之间的修正数据关系对上述算法进行高低端修正,实验结果表明此方法能够降低安时积分法估计电池SOC的累积误差,准确估算电池SOC,且具有较强的实用性和可靠性。 相似文献
7.
为了更加精确地估算锂电池荷电状态,建立能够反映电池动态工作特性的二阶RC等效模型。在模型参数辨识的基础上,先用数学分析、电路模型构建相关状态方程与观测方程,再结合扩展卡尔曼滤波算法,针对状态噪声与观测噪声的不确定干扰,提出一种自适应调整方案。通过锂电池放电实验,结合MATLAB仿真分析,验证了自适应调整后的卡尔曼滤波算法可更精确地预估锂电池荷电状态,与扩展卡尔曼滤波算法相比,该算法降低了约2.31%的误差。 相似文献
8.
如今电动汽车的发展十分迅速,其动力电池荷电状态SOC关系到锂电池及整车系统的安全、可靠运行,因为SOC表明了电池剩余电量。由于SOC是一个不可直接测量的非线性变量,因此设计一种精度高、可行性强的算法具有十分重要的意义。提出一种最优自适应增益非线性观测器（OAGNO）,用差分进化算法（DE）对观测器参数进行寻优。为了验证该方法的先进性,对型号为NCR18650GA的三元锂电池进行工况实验,结果表明,相比无迹卡尔曼滤波（UKF）,最优自适应非线性状态观测器具有更高的精度,误差在3%左右。 相似文献
9.
《晋城职业技术学院学报》2018,(2):59-61
电动汽车动力电池荷电状态(State Of Charge,SOC)的准确估算能提高整车性能和电池使用效率,方便驾驶员及时准确地了解电池剩余电量和电动汽车续航里程。本文基于等效电路的模型,应用扩展卡尔曼滤波法(EKF),以磷酸铁锂电池作为研究对象,验证该方法估算SOC的准确性。实验结果表明:用EKF法估算SOC,能将误差控制在5%以内,保持较高的精度。 相似文献
10.
在动力锂电池系统中,准确估算锂电池荷电状态是锂电池系统安全充放电的关键。以水产养殖全自动作业船动力锂电池荷电状态为研究目标,通过分析锂电池的工作状态,建立二阶RC等效电路。使用MATLAB对参数识别结果进行多项式拟合,在此基础上采用适用于非线性状态估算的扩展卡尔曼滤波研究方法,通过电池充放电循环仪和实际工况验证该算法的实用性与可靠性。实验结果表明,该算法可为全自动作业船动力锂电池荷电状态估算提供数据支持,具有较大的参考价值。 相似文献
11.
In this paper, an efficient model structure composed of a second-order resistance-capacitance network and a simply analytical
open circuit voltage versus state of charge (SOC) map is applied to characterize the voltage behavior of a lithium iron phosphate
battery for electric vehicles (EVs). As a result, the overpotentials of the battery can be depicted using a second-order circuit
network and the model parameterization can be realized under any battery loading profile, without a special characterization
experiment. In order to ensure good robustness, extended Kalman filtering is adopted to recursively implement the calibration
process. The linearization involved in the calibration algorithm is realized through recurrent derivatives in a recursive
form. Validation results show that the recursively calibrated battery model can accurately delineate the battery voltage behavior
under two different transient power operating conditions. A comparison with a first-order model indicates that the recursively
calibrated second-order model has a comparable accuracy in a major part of the battery SOC range and a better performance
when the SOC is relatively low. 相似文献
12.
河蟹养殖自动作业船在作业过程中,准确估算蓄电池剩余电量是作业状态调整的关键因素之一。单一静态的蓄电池剩余电量估算算法难以满足特定系统下的需求,基于特定应用场合的复合型算法逐渐成为研究主流。以作业船蓄电池剩余电量估算为研究目标,基于二阶 RC 电路模型,结合扩展卡尔曼滤波算法,提出一种基于作业船实时工作特性的蓄电池剩余电量估算策略。通过模拟作业船实时工作条件,验证该算法的可用性。实验结果表明,该算法所获估计值相比理论值的平均误差为 3.35%,能够满足作业船蓄电池剩余电量估算要求,对水产养殖作业船电能管理具有一定现实意义。 相似文献
13.
Equivalent circuit model-based state-of-charge (SOC) estimation has been widely studied for power lithium-ion batteries. An appropriate relaxation period to measure the open-circuit voltage (OCV) should be investigated to both ensure good SOC estimation accuracy and improve OCV test efficiency. Based on a battery circuit model, an SOC estimator in the combination of recursive least squares (RLS) and the extended Kalman filter is used to mitigate the error voltage between the measurement and real values of the battery OCV. To reduce the iterative computation complexity, a two-stage RLS approach is developed to identify the model parameters, the battery circuit of which is divided into two simple circuits. Then, the measurement values of the OCV at varying relaxation periods and three temperatures are sampled to establish the relationships between SOC and OCV for the developed SOC estimator. Lastly, dynamic stress test and federal test procedure drive cycles are used to validate the model-based SOC estimation method. Results show that the relationships between SOC and OCV at a short relaxation time, such as 5 min, can also drive the SOC estimator to produce a good performance. 相似文献
14.
针对锂离子电池电化学产热机理复杂、热分析建模参数多等问题,引入集总模型思想,建立单体方形电池少参化产热模型。通过大量实验、数据分析,辩识电池热物性参数,获得基于真实物理参数的热行为仿真集总模型。对比单体电池在不同放电倍率下温度场的实验数据和仿真结果发现：在0.2、0.5、1 C恒流放电工况下,集总模型对电池表面温度的预测误差均低于0.55℃,误差率小于1.94%,达到实际工程预测精度要求。该研究结果可为商业化锂离子电池热行为分析提供参考。 相似文献
15.
荷电状态(SOC)是电动汽车动力电池的核心性能指标。为了进一步提高锂离子电池组单体电池荷电状态预测精度,提出一种基于改进PNGV模型的电池内阻辨识与SOC预测。根据锂离子动力电池的特性分析,建立改进型PNGV模型。利用实验采集的数据和最小二乘算法实现内阻的在线识别。通过该内阻辨识算法,更加准确地反映电池的当前电压。根据预测更加准确的电压,从而提出基于数据融合PHM法预测电池的SOC,该方法基于实验数据和灰色预测模型来估算电池的荷电状态。仿真和实验结果表明,基于内阻辨识的SOC预测更准确,具有较强的工程实用性。 相似文献
16.