基于扩展卡尔曼滤波的车用锂离子电池SOC估算
2018-12-08何忠霖彭忆强郭威席林
汽车零部件 2018年11期
何忠霖,彭忆强,郭威,席林
(西华大学汽车与交通学院,四川成都 610039)
0 引言
随着国家对环保的要求越来越严,督查力度愈来愈大,不少系统和设备开始采用锂离子电池作为能量的主要来源。锂离子电池具有能量密度大、功率密度大、自发放电率低、无记忆效应等优点。荷电状态(State of Charge, SOC)作为电池管理系统(Battery Management System, BMS)中均衡各单体电池的重要参数,在动力电池的使用过程中,易受到内外各种不确定因素的干扰,发生复杂电化学反应的锂离子电池又是典型的非线性系统。因此,如何利用电池可测参数数据,如电流、电压、温度、自放电率、循环充电次数等,通过适当算法来实现当前电池剩余电量准确估算,一直以来是BMS的核心问题和亟需解决的技术难点。为适应需求,许多估算方法应运而生。文献[1]中提出了安时积分法,并分析了安时积分法估算SOC存在的误差及解决方案;文献[2]中提出了开路电压法,并得到了开路电压法不适于SOC在线实时估算的结论;文献[3]中提出了有效质量法,通过测量电池电解液有效质量估算SOC值,但该法只适用于能直接测量电解液质量的铅酸电池,对于纯电动汽车主要使用的锂离子电池,并不具备使用价值。基于现代控制理论而提出的SOC估计策略在近年来得到了长足发展,其中主要的方法有卡尔曼滤波法、神经网络法、状态观测器法等[4]。其中,神经网络估算和模糊控制法由于难度大,还停留在计算机仿真研究阶段,距离实际运用还有不少路要走。……
登录APP查看全文
