基于ESP模型的锂电池参数辨识和SOC估计

• 作者: 卢佩航 吴波 徐劲力 谢锋
• 来源期刊: 电源技术
• 学科: 工学
• 关键词: 扩展单粒子模型 参数辨识 改进遗传算法 荷电状态估计 卡尔曼滤波
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 研究与设计
• 页码范围: 832-835,874
• 页数: 5页
• 分类号: TM912
• 字数: 3457字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-087X.2020.06.011

摘要

精准的电池模型是电动汽车电池管理系统的关键,它为准确估计电池荷电状态(SOC)提供保证.基于电化学反应机理,建立扩展单粒子(ESP)模型.基于ESP模型参数较多的特点,利用改进遗传算法分不同SOC阶段进行多组参数辨识,通过充放电实验验证模型的准确性.基于ESP模型和卡尔曼滤波算法,引入强跟踪滤波器和自适应滤波方法,且对模型状态方程进行修正,建立自适应强跟踪Sigma点卡尔曼滤波算法来进行SOC估计.结果 表明,ESP模型有较高的精度,且基于此模型和所建立的算法可以实现对SOC的精确估计,其最大误差在2.3％以内.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴波	武汉理工大学机电工程学院	44	177	7.0	11.0
2	徐劲力	武汉理工大学机电工程学院	41	107	6.0	9.0
3	谢锋	武汉理工大学机电工程学院	1	0	0.0	0.0
4	卢佩航	武汉理工大学机电工程学院	1	0	0.0	0.0