基于自适应无迹卡尔曼滤波算法的锂离子动力电池状态估计

• 作者: 陈峭岩 魏克新
• 来源期刊: 中国电机工程学报
• 学科: 交通运输
• 关键词: 荷电状态 健康状态 自适应无迹卡尔曼滤波器 电动汽车 锂离子动力电池
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 电机与电器
• 页码范围: 445-452
• 页数: 8页
• 分类号: U463
• 字数: 5552字
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.2014.03.016

摘要

应用传统的无迹卡尔曼滤波(unscented Kalman filter， UKF)算法估计电动汽车锂离子动力电池核电状态(state of charge，SOC)时，常会出现由于电池模型参数不准确而造成估计误差增大的问题，该文采用了自适应无迹卡尔曼滤波(adaptive unscented Kalman filter，AUKF)算法解决该问题。AUKF算法是一种循环迭代算法，可以实时估计电池模型中的欧姆内阻，提高电池模型准确性，从而提高电池SOC估计精度。另外，电池的欧姆内阻可以表征电池的健康状态(state of health，SOH)，因此还可以根据电池的欧姆内阻估计出电池的 SOH。在设定工况下对电池做充放电实验，实验分析表明，与UKF相比，AUKF提高了电池SOC估计的精度，并能准确的估计出电池的欧姆内阻。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏克新	天津大学电气与自动化工程学院	6	235	4.0	6.0
2	陈峭岩	天津大学电气与自动化工程学院	3	218	2.0	3.0