基于模糊卡尔曼滤波器的锂电池荷电状态与健康状态预测

• 作者: Daniil Fadeev 刘浩 张小周 张蕊萍 董海鹰
• 来源期刊: 测试科学与仪器
• 学科: 工学
• 关键词: 锂电池 荷电状态 健康状态 自适应扩展卡尔曼滤波器
• 年，卷（期）: 2020,（1）
• 页码范围: 63-69
• 页数: 7页
• 分类号: TM911
• 字数: 731字
• 语种: 英文
• DOI: 10.3969/j.issn.1674-8042.2020.01.008

摘要

针对当前锂电池荷电状态(State of charge,SOC)与健康状态(State of health,SOH)预测精度较低的问题,提出了一种基于模糊卡尔曼滤波器的预测方法.采用非线性二阶电阻电容模型表示锂电池,并通过最小二乘误差优化算法对模型参数进行估计,从而更准确地确定蓄电池容量作为SOH值的基础.扩展卡尔曼滤波器(Extended Kalman filter,EKF)可在初始SOC值未知的情况下对其进行准确预测,而模糊逻辑有助于消除测量和过程噪声.仿真结果表明,在城市测功机驱动计划期间(Urban dynamometer drving schedule,UDDS)测试中最大的SOC估算误差是0.66％;通过离线更新卡尔曼滤波器,可对电池容量进行估计,结果表明,最大估计误差为1.55％,从而有效提高了SOC值的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董海鹰	兰州交通大学自动化与电气工程学院	130	736	16.0	21.0
2	张蕊萍	兰州交通大学自动化与电气工程学院	33	102	6.0	9.0
3	刘浩	天水电气传动研究所有限责任公司大型电气传动系统与装备技术国家重点实验室	6	6	1.0	2.0
4	张小周	天水电气传动研究所有限责任公司大型电气传动系统与装备技术国家重点实验室	3	8	1.0	2.0
5	Daniil Fadeev	兰州交通大学自动化与电气工程学院	1	0	0.0	0.0