基于雙時間尺度EKPF的電池組單體SOC估算方法的研究.pdf

1、限于單體鋰電池的電壓和容量,電動汽車由數(shù)量龐大的單體串并聯(lián)成組來供能,由于各單體荷電狀態(tài)(state of charge,SOC)總是存在無法消除的不一致,從而影響電池單體壽命,對電池組整體性能造成影響。而目前其它的估算方法存在估算精度低,發(fā)散、計算復(fù)雜度高等問題。
　　文中首先對鋰電池主要性能進行了分析,并研究了主要的電池等效電路模型的特點和適用范圍,最終選取ESC等效電路模型作為單體電池的研究基礎(chǔ),得出了電池組平均模型和各單體

2、差異模型,并對其建立狀態(tài)空間方程。
　　其次本文分析了現(xiàn)有的SOC估算方法,并對影響電池SOC估算的因素作了分析。由于平均模型的狀態(tài)空間方程是非線性的,為估算其中的狀態(tài)變量SOC。本文著重對擴展卡爾曼濾波算法(EKF,Extended KalmanF ilter)、粒子濾波(PF,Particle Filter)算法、擴展卡爾曼粒子濾波(EKPF,Extended Kalman Particle Filter)算法進行對比分析,最

3、終采用EKPF算法作為求解SOC的估算算法。
　　然后本文提出了基于含有遺忘因子的遞推最小二乘(Forgetting Factor Recursive Least Square,FFRLS)算法和雙時間尺度EKPF的SOC估算算法,FFRLS是一種模型參數(shù)在線辨識方法,以確保估算過程中模型的準(zhǔn)確性,而雙時間尺度EKPF算法既能確保估算精度,也通過雙時間尺度的方式來減少計算量。
　　最后通過實驗來驗證基于FFRLS和雙時間尺度