logo
当前位置:池能电子 -- 新闻中心 -- 锂电知识 -- 浏览文章

磷酸铁锂电池组soc估算研究

时间:2015-7-24 15:03:59来源:电子技术浏览次数:
    磷酸铁锂电池组soc 估算是为了更好的应用电池组作为动力电池。文中选用了二阶RC 电池模型,应用噪声自适应匹配的无迹卡尔曼滤波法来估算电池组的soc,提高了卡尔曼滤波算法的准确度。仿真结果以及实验验证,证实该算法具有较高的估算精度,用时soc 估算的效果较好。

    动力电池组的soc 计算是动力电池组BMS 系统运行的重要前提。准确的估算动力电池组的soc 能够提高电池的安全性能,有效的保护电池,延长电池组的使用寿命,提高电池的使用效率。

    动力电池组的soc 估算难点在于电池组系统动态特性比较复杂,因此建立合适的电池模型,选择合适的估算方法是soc 估算的关键。常见的电池模型主要是电化学模型、神经网络模、等效电路模型,文中选择的是2阶RC 等效电路模型,该模型能够较准确的反应电池组的动态特性。卡尔曼滤波算法能够实时的追踪系统的状态,适合用于动力电池组的soc 估算研究。

      卡尔曼滤波算法是应用于线性系统的估算方法,而电池组是一个复杂的非线性系统,因此有采用泰勒展开来将非线性系统线性化的扩展卡尔曼滤波(EKF)算法,EKF 算法能够较好的应用于电池组soc 估算研究但计算的过程较为复杂,计算的稳定性较差,因此文中采用的是无迹卡尔曼滤波(UKF)算法,UKF 算法通过对系统的状态变量进行UT 变换,将状态变量转化为符合状态变量统计特性的几个采样点,再带入系统方程中运算。UKF 算法相比EKF 算法计算简单,算法稳定。

    为了进一步提高计算精度,文中对于系统的噪声采用自适应匹配的算法,实时的更新系统的状态噪声和观测噪声,能够进一步提高系统方程的准确程度,提高算法的精度。

更多专业内容请查阅《磷酸铁锂电池组soc 估算研究》
相关文章
相关产品
收缩
  • 电话咨询

  • 0769-28823203