APP下载

电动汽车用锂离子电池SOC估算方法综述

2021-05-26付诗意吕桃林闵凡奇罗伟林罗承东解晶莹

储能科学与技术 2021年3期
关键词:卡尔曼滤波方法模型

付诗意,吕桃林,闵凡奇,罗伟林,3,罗承东,吴 磊,解晶莹

(1空间电源国家重点实验室,上海空间电源研究所;2上海动力与储能电池系统工程技术研究中心,上海200245;3上海动力储能电池系统工程技术有限公司,上海200241;4哈尔滨工业大学化工与化学学院,黑龙江 哈尔滨150001)

随着《新能源汽车发展规划》的通过,其明确了车用操作系统、动力电池等关键技术的开发创新,同时指出要实现“2035 年使新能源汽车核心技术达到国际先进水平”的目标,推进了新能源汽车的发展。

锂离子电池以其比能量高、效率高、寿命长等优点被广泛应用于新能源汽车中,为了进一步提高其使用效率和延长其使用寿命,有效的电池管理系统(battery manage system,BMS)是关键[1],而SOC 的准确估算是保证电池管理安全可靠的关键因素之一[2,3]。本文针对电动汽车锂离子电池SOC估算方法展开综述,重点分析了基于卡尔曼滤波族算法的SOC估算方法设计与实现。

1 SOC定义

SOC 的作用与内燃机汽车的燃油表类似,准确的估算SOC 可以避免对电池过充电/过放电,从而延长电池的使用寿命。同时SOC 的准确估算还将有利于电池组的均衡策略,即有助于避免因电池组中各电池单体电量不一致运行导致的风险。锂离子电池的SOC 通常定义为一定温度和充/放电倍率下电池当前容量与最大容量的比值,如式(1)所示。

式中,Qt为电池当前时刻的容量;Qmax为电池的最大容量。

2 SOC估算方法

SOC的估算方法可分为安时积分法[4]、开路电压法[5]、基于模型的滤波法[6]、数据驱动法[7]。……

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