原文传递
基于渐消卡尔曼滤波的动力电池荷电状态估计
| 论文题名： | 基于渐消卡尔曼滤波的动力电池荷电状态估计 |
| 关键词： | 电动汽车;动力电池;荷电状态;等效电路;自适应 |
| 摘要： | 近年来，电动汽车产业在全球范围内发展迅猛，动力电池系统的优劣是影响其发展的关键因素之一。动力电池管理系统是保障整车高效、安全运行的核心与关键，而动力电池的荷电状态（StateofCharge，SOC）估计是动力电池管理系统的核心，对于优化整车能量管理、防止过充过放具有重要作用。因此，对动力电池SOC的精确估计展开深入研究具有重大的理论意义和工程价值。 本文以18650型三元锂电池为研究对象，以准确估计动力电池在实际运行工况中的SOC为研究目的。主要从电池模型和估计算法两方面研究动力电池SOC估计，具体研究内容如下。 1.建立了改进的全工况双极化（DualPolarization，DP）等效电路模型，通过递归最小二乘法(RecursiveLeastSquares，RLS)在线辨识和离线辨识两种方法对该电路模型参数进行辨识，建立全工况自适应输出模型。基于动态工况实验，对模型精度进行分析，证实该模型相比于普通的双极化模型具有更高的精度，可以准确模拟电池的动态效应。 2.由于扩展卡尔曼滤波（ExtendedKalmanFilter,EKF）在解决非线性系统问题时，需要通过泰勒展开将非线性系统转换为线性系统，对精度有一定程度的影响。针对此问题，采用自适应渐消扩展卡尔曼滤波（AdaptiveFadingExtendedKalmanFilter，AFEKF）对SOC估计进行了深入研究，通过引入衰减因子对EKF的误差协方差进行加权，以此来减小旧量测值对估计的影响，加强新的量测数据对滤波器的校正效果，从而达到提高跟踪速度和估计精度的效果。 3.建立MATLAB/Simulink仿真模型，并分别在UDDS工况、ECE工况、典型DST动态工况下进行仿真实验。仿真结果表明，自适应渐消扩展卡尔曼滤波与扩展卡尔曼滤波相比，能够将估计误差控制在0.2%以内，证实了自适应渐消扩展卡尔曼滤波相比于普通扩展卡尔曼滤波具有更高的估计精度。 |
| 作者： | 高岩 |
| 专业： | 电气工程 |
| 导师： | 许孝卓;郭向伟;王书华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河南理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
