基于多新息卡尔曼滤波算法的锂电池SOC估计

作者：张梦龙; 宫兵; 何业梁

来源：哈尔滨商业大学学报(自然科学版), 2021, 37(06): 717-723.

DOI：10.19492/j.cnki.1672-0946.2021.06.013

• 二阶RC模型
• 参数辨识
• Matlab
• 多新息
• 扩展卡尔曼滤波
• 荷电状态
• UDDS工况

针对锂离子电池荷电状态(SOC)较难准确获取的问题,依据锂电池等效电路模型,建立起各参数与SOC的联系,利用脉冲放电的数据对模型进行参数辨识.通过Matlab/Simulink验证了模型的正确性和精确性.将扩展卡尔曼滤波算法(EKF)融合多新息理论,建立了多新息扩展卡尔曼滤波算法(MIEKF)估计电池SOC的方法,该方法通过对旧信息的重复使用提高了EKF的估计精度.在美国城市道路循环工况(UDDS)下分别采用EKF和MIEKF算法来估计锂电池SOC,两者估计的最大误差分别为0.0176、0.008 7.实验数据表明MIEKF算法估计电池SOC更准确.

• 单位
  安徽理工大学