APP下载

融合算法在蓄电池SOC估算中的研究综述

2021-03-05王晓辉张思义

四川电力技术 2021年1期
关键词:卡尔曼滤波实验方法

王晓辉,郑 超,张思义,戴 明,肖 伟,陈 醒

(1.国网江苏省电力有限公司徐州供电公司,江苏 徐州 221000;2.国网四川省电力公司电力科学研究院,四川 成都 610041)

0 引 言

蓄电池是制造业中一种使用广泛的储能设备,具有供电可靠、电压稳定等特点。此外,蓄电池是混合动力汽车和电动车辆的核心组成部分,作为系统的间接或直接电源,保证其安全可靠的运行对系统的安全至关重要[1-2]。但由于受蓄电池固有特性的影响,实际场景下仍存在一些薄弱环节。突出表现在以下3点:现有方式下蓄电池组很难达到预期寿命;运行维护工作量较大;现阶段实时监测技术落后、手段单一。电池管理系统(battery management system,BMS)俗称电池管家,是电池与用户之间的纽带,具有准确监测、高效评估、精确管理的特点。BMS采集电池系统的实时运行数据,并对其状态进行评估,主要包括:荷电状态(state of charge,SOC)、功率边界、健康状态和故障状态,其中荷电状态估计是BMS研究的核心和难点[3-5]。近年来,国内外学者先后对SOC的估算方法进行了大量的研究[6-55],也取得一些成果,但是在工程应用方面仍存在问题。

SOC是电池使用过程中最重要的参数之一,会受到电池内部电化学反应、外部环境条件等因素的影响,具体包括充放电倍率、环境温度、电池内阻及老化等。目前蓄电池SOC估算方法主要有开路电压法、安时积分法、神经网络法、卡尔曼滤波法以及综合法,下面对上述方法进行详细分析,并给出总结与展望。

1 电池SOC的定义

SOC指电池的荷电状态,是一个无量纲的数值量,可理解为储存在能量系统中的有用电荷和全部额定电荷容量的比值,即剩余容量/额定容量。……

登录APP查看全文

猜你喜欢

卡尔曼滤波实验方法
记一次有趣的实验
做个怪怪长实验
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
NO与NO2相互转化实验的改进
实践十号上的19项实验
用对方法才能瘦
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
四大方法 教你不再“坐以待病”!
捕鱼