当前位置：文档之家 › 基于粒子滤波算法的动力电池SOC估计

基于粒子滤波算法的动力电池SOC估计

  • 格式：pdf
  • 大小：288.16 KB
  • 文档页数：5

（ ２ ）
式中： Ｓ ＯＣ 。 代表 电池 荷 电状 态 的初始 值 ； Ｃ 是 从
。
到 电池 释放 的 电量 ；Ｃ 代表 电池 的额定 容 量 ；
叼 代 表 电池 容 量 基 于 电流 ，和 温 度 的 修 正 系 数。
滤 波估 计 准确性 下 降 ， 甚 至 导致发 散 。
引 入到 镍氢 电池 组 Ｓ Ｏ Ｃ估 计 ， 有效地提 高了 Ｓ Ｏ Ｃ 估 计 的准确 性 和可靠 性 。
最 核 心 的任务 ， 直 接 影 响 电 池 可靠 性 、 安 全 性 和使
用 寿命 。同时 在 动力 电池工 作过 程 中 ， 整 车控 制 器 需 要 依据 电池 管 理 系 统提 供 的 电池 剩 余 容 量 Ｓ Ｏ Ｃ
１ 基 于 温 度 和 电流 修 正 的 Ｓ Ｏ Ｃ方 程
电池荷 电状 态 Ｓ Ｏ Ｃ表 示 电池 当前 的净 容 量 与
额 定容 量 的 比值 ， 净 容量 指 电池在 后续 时间 能放 出
的最大 电量 ， 额 定容 量指 电池 在一 定温度 和 电流下
完全充 满 所需 电量 。
法¨ 和扩 展卡 尔曼 滤 波 （ Ｅ Ｋ Ｆ ） 法＿ ３ 等。 安 时 电流积 分 法 由于 Ｓ Ｏ Ｃ初 值 计 算 、 测 量 仪
器误 差 、 电流和 温 度 导致 容 量 变 化 等 问 题 ， 一 般 不
应用 于实 车上 。开路 电压法需 要 较长 的静 止 时间 ，
电池 Ｓ Ｏ Ｃ如公式 （ １ ） 所示 ：
Ｓ Ｏ Ｃ ：Ｓ Ｏ Ｃ ０＋
ｌ
（ １ ）
不适 合 Ｓ Ｏ Ｃ实时 动态 估计 。相对 于 模糊 逻辑 法 和
摘要： 针 对 电池荷 电状 态（ Ｓ Ｏ Ｃ ） 容 易受到 电流 、 温度 、 循 环 寿命 等 非线 性 因素的 影响 ， 建 立基 于温
度 和 电流 变化 的 电池容 量修 正方 程 。结合 安 时法和 复 合 电化 学原理 构 建 电池 状 态 空间模 型 。 由 于粒子 滤 波算 法对 非 高斯 、 非线性 系统的适 应 性 ， 因此 选 用 粒子 滤 波 算 法 来研 究 电池 Ｓ Ｏ Ｃ估 计 。
随着全 球 能源危 机 的 电池 Ｓ Ｏ Ｃ估 计 方 法 ， 粒 子 滤 波 算法 适用 于任 何 用状 态 空 间 模 型 描述 的非 高 斯 背
景 的非线 性 随机 系统 ， 对 系统 的测 量 噪声 和过程 噪
车 的设 计制 造 受 到 各 国政 府 和企 业 的重 视 。动 力
收 稿 日期 ： ２ ０ １ ４— ０ ９—３ ０ 基金项 目 ： 江 苏 省 自然 科 学 基 金 资 助 项 目（ Ｂ Ｋ ２ ０ １ ２ ５ ８ ６ ）
作者简 介 ： 汪 永志 （ １ ９ ７ ｌ 一） ， 男， 安徽安 庆人 ， 江苏理 工学 院讲 师 ， 博 士研究生 ， 主要研究方 向为 电动汽车及汽车系统动力学研究。
通过美国 Ｆ Ｔ Ｐ一 ７ ５工 况和 Ｎ Ｅ Ｄ Ｃ工况 实验仿 真 显 示 ， 基 于 粒子 滤 波 算 法的 电池 Ｓ Ｏ Ｃ估 计 比扩展
卡 尔曼滤 波算 法估 计精 度 高 、 适 应性好 。 关键词 ： 电池荷 电状 态 ； 非 线性 因素 ； 粒子 滤 波算 法 ； 扩展 卡 尔曼滤 波算 法 中 图分类 号 ： Ｕ ４ ６ １ ． ２ 文 献标 识码 ： Ａ 文章 编号 ： ２ ０ ９ ５—５ ０ ９ Ｘ（ ２ ０ １ ４） １ ０— ０ ０ ６ ９— ０ ５
3基于粒子滤波算法的电池soc估计理论粒子滤波particlefiltering算法是最近兴起的一种很有潜力的非线性滤波方法基本原理是利用状态空间中的随机样本来近似后验概率密度函数并依据蒙特卡洛估计方法估计状态值12于粒子滤波的优势在于可以处理非常复杂的非高斯和非线性问题因此成为一种研究非线性非高斯系统最优估计有效方法在工程科学中有广泛应2014年第43动力电池非线性状态空间模型
分配 各 系统 能 量 ， 实 现 最 优 控 制 。但 电 池 Ｓ Ｏ Ｃ受
到充 放 电 电流 、 温度 、 循 环 寿命 和 自放 电等 各 种 因 素影 响 ， 不能 直接 测 量 ， 只 能通 过 一 定 的算 法 间 接
获得 。 目前 ， 常 用 的 电池 Ｓ Ｏ Ｃ估 计 方 法 有 安 时 电 流积 分 法 、 开 路 电压 法 、 模糊逻辑法、 神 经 网 络
电池作 为 电动 汽车 动力 系统 的重 要部 件 ， 其性 能 和 成 本是 电动 汽 车 发 展 的关 键 因素 。电 池 荷 电状 态 （ Ｓ ｔ ａ ｔ ｅ ｏ ｆ Ｃ ｈ ａ ｒ ｇ ｅ ，Ｓ Ｏ Ｃ） 预 测 是 电池 组 管 理 系统 中
声没 有任 何 限 制 。 卜。 。 ］ ， 可 以应 用 于任 何 非 线 性 系 统， 精度 可 以接 近最 优 估 计 ， 是 一 种 很有 效 的非 线 性 滤波 技术 ＿ 】 川。 因此 ， 笔 者 通 过 把 粒 子 滤 波 算 法
２ ０ １ ４年 ｌ ０月 第４ ３卷 第 １ ０期
机械设计与制造工程
Ｍａ ｃ ｈ ｉ ｎ ｅ Ｄ ｅ ｓ ｉ ｇ ｎ ａ ｎ ｄ Ｍａ ｎ ｕ ｆ ａ ｃ ｔ ｕ ｒ ｉ ｎ ｇ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ
Ｏｃ ｔ ． ２ ０１ ４
Ｖ ｏ １ ． ４ ３ Ｎｏ ． １ ０
Ｄ Ｏ Ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． ２ ０ ９ ５— ５ ０ ９ Ｘ ． ２ ０ １ ４ ． １ ０ ． ０ １ ６
基 于粒 子 滤 波 算 法 的 动 力 电池 Ｓ Ｏ Ｃ估 计
汪永 志 ， 贝绍轶 ， 汪 伟 ‘ ， 李 波
（ １ ． 江苏 理工 学 院 汽 车 与交通 工程 学 院 ， 江 苏 常州 （ ２ ． 南 京 航空航 天 大学 能源 与动 力学 院 ， 江苏 南京 ２ １ ３ ０ ０ １ ） ２ １ ０ ０ １ ６ ）
神 经 网络法 ， 扩 展 卡 尔 曼滤 波法 计 算 量 小 ， 便 于实 现， 然 而扩 展卡 尔曼 滤波 要求 统计 特性 已知 的 白噪
声 。电动 车在行 驶 时 ， 电池管 理 系统 在数据 采 集过 程 中系统 噪声 和量 测噪 声特 性未 知 ， 使 扩展 卡 尔曼
ｃ 如 ＝Ｉ 叩 ¨ ， （ ￡ ） ｄ ｔ

合集下载

基于分数阶无迹粒子滤波的动力电池SOC估计

基于分数阶无迹粒子滤波的动力电池SOC估计


Unscented Particle Filter
He Yao, Qin Shaoxun, Liu Xintian, Zheng Xinxin, Zeng Guojian （Intelligent Manufacturing Institute, Hefei University of Technology, Hefei 230009） 【Abstract】To improve accuracy of State-Of-Charge (SOC) estimation for EV power battery pack, a modeling method based on fractional order Thevenin model with variable temperature was proposed and Fractional order Unscented Particle
计精度更高。
主题词：Thevenin 模型 荷电状态 分数阶理论 试验设计 分数阶无迹粒子滤波算法
中图分类号：TM912
文献标识码：A
DOI: 10.19620/ki.1000-3703.20172509
Power Battery SOC Estimation Based on Fractional
1 前言
动力电池是决定电动汽车性能表现的关键部件之 一[1]，准确地估计动力电池的荷电状态（State Of Charge， SOC）能有效地管理电池系统，对动力电池充放电、使用 寿命等有着重要的意义[2]。电动汽车以及电池负载系统 的实时性与不确定性对 SOC 估计算法模型提出了巨大 挑战[3]。
SOC 估计的常见算法有安时积分法（AH integrator， AH）、无迹卡尔曼滤波算法[4]、扩展卡尔曼滤波算法[5]、粒 子滤波算法[6]等。目前，更进一层次提高 SOC 估计精度 成为国内外学者钻研的热门问题。文献[7]提出了 BP-
铅酸动力电池SOC估计算法

铅酸动力电池SOC估计算法

铅酸动力电池SOC估计算法铅酸动力电池是一种常见的蓄电池类型，广泛应用于汽车等交通工具中。

为了确保电池的安全和性能，准确估计电池的状态是很重要的。

而衡量电池状态的一个重要指标就是电池的状态-of-charge（SOC）。

本文将介绍铅酸动力电池SOC估计算法的相关内容。

首先，SOC估计算法是通过监测电池的电压、电流以及温度等参数来估计电池的SOC值。

这种算法的基本原理是基于电池的动态行为模型，并结合滤波算法来实现。

其中，常用的SOC估计算法有卡尔曼滤波算法、扩展卡尔曼滤波算法和粒子滤波算法等。

卡尔曼滤波算法是一种常用的滤波算法，它通过使用动态系统的状态方程和测量方程来估计系统的状态。

在铅酸动力电池SOC估计中，卡尔曼滤波算法能够将电池的模型状态与测量状态进行优化匹配，从而准确估计电池的SOC。

扩展卡尔曼滤波算法是对卡尔曼滤波算法的改进，它能处理非线性系统。

在铅酸动力电池SOC估计中，由于电池的模型通常是非线性的，因此扩展卡尔曼滤波算法被广泛应用。

通过线性化非线性模型，扩展卡尔曼滤波算法能够更加准确地估计电池的SOC。

粒子滤波算法是一种基于随机采样的滤波算法，它通过使用一系列粒子来表示系统的状态空间，并根据粒子的权重来估计系统的状态。

在铅酸动力电池SOC估计中，通过根据电池模型的概率分布生成粒子，粒子滤波算法能够有效地估计电池的SOC值。

除了上述算法之外，还有其他一些技术可以用于铅酸动力电池SOC估计。

例如，基于等效电路模型的方法，通过根据电池的电流和电压特性，利用等效电路模型来估计电池的SOC。

此外，还有一些基于神经网络和机器学习的方法，通过对大量数据进行训练和学习，来实现准确的SOC 估计。

在实际应用中，选择合适的SOC估计算法需要考虑准确性、实时性和计算复杂度等因素。

不同的算法有不同的优劣势，根据具体的应用场景和需求，选择合适的算法来实现SOC估计。

总结起来，铅酸动力电池SOC估计算法是通过监测电池的电压、电流和温度等参数来估计电池的SOC值。

基于安时积分和粒子滤波修正的锂离子电池SOC估计方法

基于安时积分和粒子滤波修正的锂离子电池SOC估计方法

高能量锂离子电池具有工作电压高、比能量大、循环寿命长等特点，广泛应用于电动汽车、武器装备、通信等领域，电池荷电状态（SOC）估计直接影响电池组充放电策略、使用效率、循环寿命和安全性能，是电池管理技术发展应用的核心关键技术，研究具有重要意义。

受温度、循环次数、老化等因素的影响，锂离子电池具有很强的非线性和时变性，实时精确的荷电状态估计十分困难。

本文以钴酸锂电池为研究对象，围绕电池电化学特性测试、等效电路模型建立和SOC 估计算法展开研究。

首先，针对高精度的电池电化学特性测试问题，搭建了锂离子电池测试平台，并设计了锂离子电池测试方案，为后续电池模型建立及算法验证提供了试验数据。

提出了最大可用容量的放电速率修正系数，并在电池全寿命周期内建立了电池容量的退化模型，实现了电池最大可用容量的实时修正，克服了在SOC估计时由于使用固定不变的额定容量值与实际可用容量不符而造成的影响。

其次，针对电池精确建模问题，建立了改进后的多阶thevenin等效电路模型，并对模型参数进行了辨识。

在等效电路模型中引入描述滞回电压变化特性的滞回因子，并仿真验证了滞回因子描述电池开路电压滞回特性的有效性。

通过不同阶等效电路模型精度对比，权衡模型精度和复杂度，最终确定了改进后的二阶thevenin等效电路模型为SOC估计算法所用模型。

最后，针对安时积分法误差累积及卡尔曼滤波算法对系统噪声限制的问题，提出了基于安时积分和粒子滤波修正的SOC估计算法，并在不同电流工况下对所提算法进行了验证。

通过与传统的安时积分法和扩展卡尔曼滤波算法仿真结果对比，验证了所提算法的性能优于其他两类算法。

关键词：锂离子电池；荷电状态；电池模型；粒子滤波第i 页第一章绪论1.1研究背景及意义爆发于上世纪60年代的全球石油危机使人们开始积极地寻找新能源来缓解传统化石能源枯竭带来的巨大压力。

绿色二次电池以其高效、清洁、可循环使用的优点，成为综合缓解能源、资源和环境问题的一种有效技术途径。

基于卡尔曼滤波的动力电池SOC估算

基于卡尔曼滤波的动力电池SOC估算

基于卡尔曼滤波的动力电池SOC估算
徐立友;马可;杨晴霞;宋林涛;马小斌
【期刊名称】《江苏大学学报(自然科学版)》
【年(卷),期】2024(45)1
【摘要】由于传统无迹卡尔曼滤波估算方法具有局限性,为了能准确估算动力电池荷电状态(state of charge,SOC),提出了一种基于无迹卡尔曼粒子滤波的动力电池SOC估算方法.以三元锂电池为研究对象,建立了电池二阶RC等效电路模型,通过对电池进行充放电试验辨识出模型参数,并验证模型准确性.采集了实际工况下的电池数据,分别用无迹卡尔曼滤波算法、粒子滤波算法和无迹卡尔曼粒子滤波算法估算电池SOC,在MATLAB中进行了仿真试验,并对估算的电池SOC进行比较.结果表明:无迹卡尔曼粒子滤波算法可以快速准确地估算出电池SOC,误差小于2.5%,优于另外2种算法.
【总页数】6页(P24-29)
【作者】徐立友;马可;杨晴霞;宋林涛;马小斌
【作者单位】河南科技大学车辆与交通工程学院;河南凯瑞车辆检测认证中心有限公司;焦作煤业集团物资供应处
【正文语种】中文
【中图分类】U473.4;TM912
【相关文献】
1.无损卡尔曼滤波在估算动力电池SOC中的应用
2.基于小波变换的卡尔曼滤波动力电池SOC估算
3.换电模式下动力电池包SOC估算——基于扩展卡尔曼滤波
4.基于扩展卡尔曼滤波的动力电池SOC估算
因版权原因，仅展示原文概要，查看原文内容请购买。