基于无迹卡尔曼滤波的动力电池状态估计OA北大核心CSTPCD
准确预测动力电池的荷电状态(SOC)与健康状态(SOH)对电动汽车电池系统的安全运行至关重要。卡尔曼滤波(KF)算法被广泛用于动力电池的状态估计,但非线性误差较大。提出利用无迹卡尔曼滤波(UKF)算法实现对动力电池状态的准确估计。首先,通过分析动力电池实验数据,建立一阶等效电路模型,模型拟合优度达到0.992。随后,加入容量衰退机制模拟锂离子电池老化过程,并对电池进行恒流充电以及随机放电循环,模拟动力电池实际工况。不同初始值下,SOC、SOH估计…查看全部>>
李锦满;李儒欢;李浩南;李存鑫;邱子桐;郭凯;吴锴;周峻
西安交通大学电气工程学院,陕西西安710049西安交通大学电气工程学院,陕西西安710049西安交通大学电气工程学院,陕西西安710049西安交通大学电气工程学院,陕西西安710049西安交通大学电气工程学院,陕西西安710049国网山东省电力科学研究院,山东济南250003西安交通大学电气工程学院,陕西西安710049西安交通大学电气工程学院,陕西西安710049
动力与电气工程
锂离子电池状态估计等效电路模型荷电状态(SOC)健康状态(SOH)无迹卡尔曼滤波(UKF)
《电池》 2024 (3)
P.340-343,4
国家自然科学基金(52377212)电工材料电气绝缘全国重点实验室项目(EIPE22109)。
评论