APP下载

基于复合模型动力蓄电池SOC估算

2017-03-17高顺荣谢慕君

长春工业大学学报 2017年6期
关键词:卡尔曼滤波模型

高顺荣, 谢慕君

(长春工业大学 电气与电子工程学院, 吉林 长春 130012)

0 引 言

蓄电池是电动汽车的心脏,需要对它管理和研究。在实际生活中用的很普遍的就是磷酸铁锂电池,因为它有很多其它电池不具备的优势。荷电状态(SOC)是蓄电池的一个重要指标,为了提升蓄电池的使用功效,有必要得到确切的SOC估测值。实际情况中对电池的使用有很多种要求,这就促使人们用许多不同的方式来获得确切的SOC,如安时计量法[1]、开路电压法[2]、卡尔曼滤波法[3]等;文中针对安时计量法不能估算电池初始状态及存在积累误差的问题,应用安时计量法、开路电压法及扩展卡尔曼滤波法相结合对电池SOC进行估计。通过安时计量法表达式离散化获得电池状态方程,引入电流系数及温度系数,获得电池的复合模型,再采用EKF估算磷酸铁锂电池的SOC。

1 基本原理

1.1 蓄电池SOC的概念

SOC定义为蓄电池目前剩余电量与在同样的放电前提下100%的电池能放出总容量的比值:

(1)

式中:Cd----剩余电量;

Ci----电池能放出的总容量;

CR----电池放出的电量。

1.2 安时计量法

安时计量法来计算SOC,不需要考虑磷酸铁锂电池里面的化学反应和结构变化,只需通过对电流的积分就能知道SOC。安时计量法表示如下:

(2)

式中:SOC(t)----电池在t时的SOC;

SOC(t0)----电池在t0时的SOC;

C0----电池的额定容量;

i----t时的电流;

η----i对应的充放电效率。

安时计量法在现实使用中存在一些问题:

1)SOC(t0)不容易获得,假如SOC(t0)计算不精确的话,最后计算出的值也会有些偏差;

2)由于电池的容量特征,电流i和温度T都会影响到电池的实际释放容量。……

登录APP查看全文

猜你喜欢

卡尔曼滤波模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
改进的扩展卡尔曼滤波算法研究
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
3D打印中的模型分割与打包
基于模糊卡尔曼滤波算法的动力电池SOC估计
FLUKA几何模型到CAD几何模型转换方法初步研究
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于EMD和卡尔曼滤波的振荡信号检测
基于卡尔曼滤波的组合导航误差补偿