收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进卡尔曼滤波算法的SOC估计方法研究

张冬梅  
【摘要】:随着环境污染和能源危机的日益加剧,节能环保的电动汽车受到各国政府的关注,电动汽车产业成为全球交通能源转型的发展方向。作为电动汽车的关键组成单元,动力电池的状态好坏、寿命长短在很大程度上决定了电动汽车整体的性能优劣。动力电池的荷电状态(State of Charge,SOC)是动力电池的重要参数,表征了电池剩余容量的多少,是电池管理系统对动力电池进行管理控制的重要依据,也是制定能量管理策略的关键因素。准确估计动力电池的荷电状态(SOC)对提高电池使用寿命和整车性能具有重要意义。但动力电池内部电化学反应复杂,非线性强,在动力电池模型建立和SOC估计两个方面都存在困难。本文工作主要从电池模型建立和SOC估计两个方面对磷酸铁锂电池进行了研究。本文以3.2V/10Ah磷酸铁锂电池为研究对象,通过对其进行不同电流倍率的充放电实验、不同温度下的放电实验、HPPC循环实验等一系列实验,分析了磷酸铁锂电池的充放电特性和温度特性。在对现有电池模型特点进行简单介绍后,考虑电池的充放电电流方向和放电倍率,在Thevenin等效电路模型的基础上建立改进的等效电路模型。本文采用HPPC循环实验,运用最小二乘法辨识得到在不同SOC点充放电方向上的电池模型参数,再利用Matlab中的cftool工具箱进行参数拟合。根据拟合得到的模型参数,在Matlab中建立改进的等效电路模型,并对其进行实验仿真对比。对比结果表明,本文建立的改进等效电路模型具有较好的精度,能够准确模拟磷酸铁锂电池动态特性。基于所建立的改进等效电路模型,本文采用扩展卡尔曼滤波算法对磷酸铁锂电池SOC进行估算。扩展卡尔曼滤波算法可以通过不断地迭代计算,逐渐逼近真实值,克服了安时积分法初值难以确定的缺点,但它对模型的依赖性较强。考虑到电池本身的强非线性和模型所存在的必然误差,为了进一步提高电池SOC估算精度,本文对扩展卡尔曼滤波进行了两方面的改进:修正观测噪声协方差;引入增益因子。最后,通过对磷酸铁锂电池进行动态工况测试,对算法改进前后的估计结果进行了对比分析。分析结果表明,改进后的算法能够有效估算电池SOC,在一定程度上提高了SOC估算精度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 兰义华;任浩征;张勇;赵雪峰;;一种基于“当前”模型的改进卡尔曼滤波算法[J];山东大学学报(工学版);2012年05期
2 张哲;陈德树;;卡尔曼滤波算法与富氏算法的分析比较[J];电力系统自动化;1990年04期
3 万建伟,皇甫堪,梁甸农;基于推广卡尔曼滤波算法的声测定位技术[J];国防科技参考;1997年04期
4 夏建涛,任震,陈立,景占荣;极坐标下卡尔曼滤波算法的研究[J];西北工业大学学报;2000年03期
5 高磊,崔鑫水;一种自适应协方差矩阵旋转变换卡尔曼滤波算法及其应用[J];航天控制;2004年03期
6 高磊;一种反馈修正推广卡尔曼滤波算法及其应用[J];航天控制;2004年05期
7 刘剑锋;庄志洪;刘中;;卡尔曼滤波算法在最佳起爆角估计中的应用[J];弹箭与制导学报;2005年S1期
8 阮建国;陈炯;;一种适于快速实现的卡尔曼滤波算法的改进[J];电测与仪表;2009年02期
9 陈陌寒;巴晓辉;何璐;陈杰;;复杂信号环境下的鲁棒卡尔曼滤波算法[J];科学技术与工程;2011年17期
10 李莉;宋志强;;转换坐标卡尔曼滤波算法在雷达数据融合中的应用[J];仪器仪表用户;2011年04期
11 李恒;张静远;罗轩;谌剑;;无味卡尔曼滤波算法形式及性能研究[J];弹箭与制导学报;2012年03期
12 王秋平;李凤;马春林;;光电跟踪模型噪声卡尔曼滤波算法[J];中国惯性技术学报;2012年05期
13 鲁建辉;刘代军;杨林冲;;2种卡尔曼滤波算法的应用分析[J];现代防御技术;2012年06期
14 赵寅;徐国华;杨超;徐侃;;基于模糊卡尔曼滤波算法的速度估算方法[J];仪表技术与传感器;2012年12期
15 汪叔华;杨大庆;;一种解耦最优分布式卡尔曼滤波算法[J];中国惯性技术学报;1993年02期
16 陈炯;阮建国;;数字保护中卡尔曼滤波算法的改进[J];计算机与数字工程;2008年04期
17 刘恒泽;杨刚;张长革;;改进推广卡尔曼滤波算法在目标跟踪中的运用[J];现代防御技术;2010年05期
18 郝桂芳;阴志先;;强跟踪有限微分扩展卡尔曼滤波算法在异步电机中的应用[J];太原理工大学学报;2011年06期
19 刘迪;姜静;鹿珂珂;;卡尔曼滤波算法控制异步电动机的仿真研究[J];仪表技术;2013年03期
20 缪礼锋;贺丰收;张世仓;;基于渐近平稳过程的修正扩展卡尔曼滤波算法[J];电光与控制;2013年11期
中国重要会议论文全文数据库 前9条
1 刘栋;王惠林;;卡尔曼滤波算法在目标定位系统中的应用[A];第九届全国光电技术学术交流会论文集(上册)[C];2010年
2 周红波;耿伯英;;基于目标跟踪的无偏转换测量卡尔曼滤波算法研究[A];2007中国控制与决策学术年会论文集[C];2007年
3 陈婧;谢磊;李备;;水路交通中的卡尔曼滤波算法综述[A];第七届中国智能交通年会论文集[C];2012年
4 赵汝祺;赵祚喜;赵汝准;;基于多项式卡尔曼滤波算法的车辆定位试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
5 曾翠娟;杜传利;;动态GPS自适应卡尔曼滤波算法的FPGA实现[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年
6 李鹏;宋申民;陈兴林;;自适应平方根无迹卡尔曼滤波算法[A];2009年中国智能自动化会议论文集(第八分册)[控制理论与应用(专刊)][C];2009年
7 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年
8 刘健;刘忠;玄兆林;;纯方位目标运动分析的自适应扩展卡尔曼滤波算法[A];2005年全国水声学学术会议论文集[C];2005年
9 朱宁;钱伟康;郭强;;基于嵌入式XP的光谱分析系统[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年
中国博士学位论文全文数据库 前4条
1 葛磊;容积卡尔曼滤波算法研究及其在导航中的应用[D];哈尔滨工程大学;2013年
2 冯波;线性滤波估计算法研究及在惯性导航系统中的应用[D];北京理工大学;2014年
3 孟军英;基于粒子滤波框架目标跟踪优化算法的研究[D];燕山大学;2014年
4 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年
中国硕士学位论文全文数据库 前10条
1 庞瀛洲;关于电池BMS系统SOC估测算法的研究[D];长安大学;2015年
2 张冬梅;基于改进卡尔曼滤波算法的SOC估计方法研究[D];西南交通大学;2015年
3 林燕平;长基线导航系统滤波算法的研究与实现[D];沈阳理工大学;2015年
4 徐红珍;基于粒子群的卡尔曼滤波算法改进和优化[D];武汉理工大学;2013年
5 邹振宇;基于DSP的Kalman滤波器的算法研究[D];成都理工大学;2012年
6 樊红娟;无先导卡尔曼滤波算法分析[D];西南大学;2007年
7 吴龙龙;一致性卡尔曼滤波算法及其应用研究[D];华东交通大学;2013年
8 李忠良;基于神经网络的卡尔曼滤波算法研究[D];湖南工业大学;2011年
9 雷礼平;GPS动态卡尔曼滤波算法研究[D];电子科技大学;2003年
10 朱永龙;基于UWB的室内定位算法研究与应用[D];山东大学;2014年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978