基于自适应卡尔曼滤波的锂离子电池SOC估计.pdfVIP

．设计．计算·研究· 基于自适应卡尔曼滤波的锂离子电池SOC估计★ 张顿 马彦 柏庆文 (吉林大学) 【摘要】采用自适应卡尔曼滤波方法，基于锂离子动力电池的等效电路模型，在未知干扰噪声环境下，在线估计 电动汽车锂离子动力电池荷电状态(SOC)。仿真结果表明，采用自适应卡尔曼滤波方法估计的SOC误差小于2．4％， 有效降低了电动汽车行驶时电池管理系统所受到的未知干扰噪声影响。SOC估计精度高于扩展卡尔曼方法．且具有 较好的鲁棒性。 主题词：锂离子电池荷电状态 自适应卡尔曼滤波 EstimationofState0f ofLi—ion Basedon Charge Battery AdaptiVe Kalman Filtering Di，MaY明，Bai Zll卸g Qingwen (Jilin Unive揩畸) 0f estimationofstate electricvehicleu—ion ismadeunderunknown 【Abstract】0n—line charge(s0C)0f battery noiseba鸵d蚰tlle cir；cuitmodeloft}le“一ion metIIod． battery，with inte矗ring equiValent 8daptiveK丑lm锄filtering Simulationresultsshowttlat l(al啪n n地tllodc蛐estimateSOCwi血en_orless￡llaIl method adaptive filterirIg 2．4％，tlIe 0funknown noi∞on of minimi趵se矗．ect electric 雒tively inte血ring batterymanagementsy8temduringopemtion of tllisme出0dis th粕extended robustIless． vehick，soC∞timate卵cumcyhigher KalIn醐filteringmetllod，粕dh鹊900d words：Li-ion of KaIman Key ba慨r汹，Sta_teCharge(SoC)，AdaptiVeFntenng 为高压交流电．大量的电磁干扰通过传导和辐射形 1锂离子电池SoC估计介绍 式干扰电池管理系统工作．使得电池管理系统经常 SOC估计是电池管理系统的关键技术之一．电 出现数据误采集情况．进而导致SOC的估计结果不 池SOC无法直