-
题名基于AEKF的锂离子动力电池荷电状态估计
被引量：13
- 1
-
-
作者
郝世宇
殷会飞
杨茹
庞宗强
-
机构
南京邮电大学自动化学院、人工智能学院
-
出处
《国外电子测量技术》
北大核心
2021年第9期49-53,共5页
-
文摘
针对目前扩展卡尔曼滤波(EKF)算法易受系统噪声的干扰及模型参数识别误差累计的影响,导致锂离子电池荷电状态(SOC)估计精度不高的问题,提出了一种自适应扩展卡尔曼滤波(AEKF)算法。基于二阶Thevenin等效电路模型,对锂离子电池进行HPPC测试,通过测试数据辨识出电池模型的参数,利用自适应卡尔曼滤波算法建立电池状态估计模型。相比标准EKF,自适应扩展卡尔曼滤波算法通过迭代循环,自动修正误差,改进了电池状态估计模型,将预测精度稳定在1%以内,提高了电池SOC预测模型的稳定性和准确性。
-
关键词
锂离子电池
SOC估计
Thevenin等效电路模型
扩展卡尔曼滤波
自适应扩展卡尔曼滤波
-
Keywords
Li-ion battery
SOC estimation
Thevenin equivalent circuit model
extended Kalman filter
adaptive extended Kalman filter
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
