实时辨识锂离子电池参数并基于改进AEKF估算SOC

• 作者: 向馗 康健强 朱国荣 王振新 王菁 秦鹏
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 锂离子电池 自适应卡尔曼滤波 荷电状态 参数辨识
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 研究与设计
• 页码范围: 30-35
• 页数: 6页
• 分类号: TM912.8
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004076

摘要

随着使用工况、衰退状况以及工作温度的改变,动力锂离子电池内部参数也会随之变化,因此基于模型估算电池荷电状态(SOC)的方法中模型参数是时变的.然而,由于采用离线的方式获取,传统的扩展卡尔曼滤波(EKF)算法中的模型参数却是不变的,由此导致随时间的推移SOC估算精度会下降.为了解决这一问题,建立带遗忘因子的递推最小二乘法来实时更新模型参数,联合改进的自适应扩展卡尔曼滤波(AEKF)算法进行SOC估算.使用混合脉冲功率特性(HPPC)测试数据对比该方法与传统EKF表现,结果表明该方法具有更高的精度,其相对误差小于1％,且对电池充放电的动态特性有更好的模拟效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	向馗		32	81	5.0	7.0
2	朱国荣		21	78	5.0	8.0
3	康健强		9	3	1.0	1.0
4	王振新		3	0	0.0	0.0
5	王菁		4	0	0.0	0.0
6	秦鹏		3	0	0.0	0.0