APP下载

动力电池SOC估算方法综述

2021-05-16时浩婷范丽雪宋淑慧吴文燕

科学与信息化 2021年12期
关键词:卡尔曼滤波方法模型

时浩婷 范丽雪 宋淑慧 吴文燕

山东交通学院 山东 泰安 271000

动力电池荷电状态(State of Charge,SOC)可以直接反应电池的剩余使用电量,表征动力电池当前剩余的能量,是反映电池状态的重要参数,也是电池管理系统(Battery Management System,BMS)的关键参数,对其精确地估计对于电池管理系统预测剩余续航里程至关重要[1],同时有助于确定一个有效的管理策略,以避免电池过度充电和过度放电。

1 荷电状态定义

荷电状态SOC数值上定义为剩余容量与电池初始额定容量的比值,经常以百分比的形式表示,SOC的取值范围为[0,1],0值代表当前时刻电池处于完全充满状态,1值代表当前时刻电池处于完全放电状态,但SOC值经常以百分比的形式表示,具体定义式如下:

2 荷电状态估算研究现状

锂电池内部复杂的动态特性导致SOC无法直接测量,通常可以从测量的电池电压、电流和温度等参数来推断。锂电池SOC估算的常用方法主要包括安时积分法,开路电压法,卡尔曼滤波法和神经网络法等。

2.1 安时积分法

安时积分法将锂离子动力电池内部发生的非线性变化进行线性化,通过测量统计一段时间内充放电的电量数据,根据电池SOC上一时刻的状态估算当前时刻的SOC状态,具体公式如下所示:

安时积分法原理简单,可以实时在线估算SOC,是目前应用最为普遍的方法之一,已经被广泛应用于BMS中[1]。从公式中可以看出,此方法非常依赖初始SOC值和实际测量的电流值,初始值不准确会导致估算结果有较大的偏差,测量电流的不准确会导致SOC估算精度随时间的增加而变得越来越差。……

登录APP查看全文

猜你喜欢

卡尔曼滤波方法模型
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
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
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
基于自适应卡尔曼滤波的新船舶试航系统