变温度下EKF和UKF的锂电池SOC估算对比

动力电池的荷电状态(State of Charge,SOC)是预估电动汽车剩余有效行驶里程的重要参数之一。为提高锂电池SOC 的估算精度,考虑了温度对锂电池特性的影响。通过实验得到温度对电池容量的关系曲线,以及得到OCV-SOC-T 的函数映射关系,基于二阶RC 等效电路模型,利用带遗忘因子递推最小二乘法(Forgetting Factor Recursive Least Square, FFRLS)对模型进行实时在线参数辨识。在不同温度和工况条件下,采用扩展卡尔曼滤波(Extended Kalman filter,EKF)和无迹卡尔曼滤波( Un-scented Kalman filter, UKF)算法对锂电池的SOC 进行估算并对比验证,结果表明,EKF 在动态压力测试工况(DST)和美国联邦城市运行工况(FUDS) 的均方根误差分别在4.93%和4.69%以内,UKF 在DST 和FUDS 工况下的均方根误差分别在1.47%和1.49%以内。研究结果表明,FFRLS联合EKF和UKF都可以实时估算SOC,且在不同温度和不同工况条件下,UKF算法相较于EKF算法,抗干扰能力更强,估算精度更高,收敛性更好。     

一种最优自适应增益非线性观测器的锂电池SOC估算方法

如今电动汽车的发展十分迅速,其动力电池荷电状态SOC关系到锂电池及整车系统的安全、可靠运行,因为SOC表明了电池剩余电量。由于SOC是一个不可直接测量的非线性变量,因此设计一种精度高、可行性强的算法具有十分重要的意义。提出一种最优自适应增益非线性观测器（OAGNO）,用差分进化算法（DE）对观测器参数进行寻优。为了验证该方法的先进性,对型号为NCR18650GA的三元锂电池进行工况实验,结果表明,相比无迹卡尔曼滤波（UKF）,最优自适应非线性状态观测器具有更高的精度,误差在3%左右。     

基于变阶RC网络的锂离子电池等效电路模型

针对电动汽车锂离子电池阻容(resistance-capacitance,RC)模型存在低阶模型近似程度低和高阶模型结构复杂的问题,提出一种兼具实用性和精确性的可变阶RC网络等效电路模型.在充分理解磷酸铁锂电池特性的基础上,对电池进行了测试实验,利用赤池信息量准则(Akaike information criterio...     

机载锂电池SOC估算方法研究与实现

为了解决机载锂电池的荷电状态估算问题,针对飞机应急供电这一特殊运行环境,提出了一种基于扩展卡尔曼滤波的机载锂电池荷电状态估计方法。该方法通过构建状态方程和量测方程,经历预测、修正和估算3阶段,实现对机载锂电池的荷电状态估算。基于该方法设计并实现了机载锂电池地面检测与维护设备。实验结果表明,该方法能够实现机载锂电池的荷电状态有效估算,提高了锂电池机载运行的可靠性和稳定性。     

改进粒子滤波的锂电池SOC估算

为了提高锂电池SOC估算的精度,采用改进粒子滤波算法。首先在Thevenin模型的基础上考虑了电流漂移和温度对SOC估算的影响,并对模型参数求解,同时校正了锂电池SOC估算模型,减少了计算误差,使得SOC估算更加精确;通过UKF算法更新粒子,比对权值大小,只有权值大的粒子才能够进入复制组被重新采样,小的则被抛弃,进入复制组的粒子通过线性函数生成新粒子,如果抛弃组粒子数目大于复制组粒子时,循环使用抛弃组粒子;最后给出了算法流程。试验结果表明,改进算法提高了SOC估算精度,本文模型结果与试验标准结果的误差能够控制在较小的范围内,最大误差为1.846%,明显低于采用卡尔曼滤波和粒子滤波算法的SOC估计误差。     

基于UKF算法的电池荷电状态SOC估算研究

新能源汽车锂电池荷电状态是反映电池及电源系统的重要参数,为达到实时估算SOC目的,基于无迹卡尔曼滤波算法提出SOC估算解决方案。在MATLAB/Simulink环境中建立一阶Thevenin等效电路模型和无迹卡尔曼滤波算法,通过建立混合功率脉冲特性实验,辨析出不同SOC和温度对电池模型的影响参数,将辨析出来的参数代入到UKF算法中进行仿真实验。实验结果表明,该荷电状态估算具有较高的精准度。     

综合考虑运行状态的锂电池SOC估计研究

锂电池SOC估计影响因素众多,实际工况过于复杂,同时伴随噪声干扰而难以精确估计。为解决上述问题,综合考虑表征参数,提出了锂电池运行状态识别模型。基于RC电路思想,引入运行状态模型,提出了锂电池精确SOC估计模型。为提高模型的鲁棒性和收敛速度,采用粒子群优化算法进行关联参数寻优,并采取噪声误差分析机制提出一种降噪算法。对不同型号锂电池进行实验,仿真结果表明,锂电池运行状态识别模型能有效识别不同退化程度的电池运行状态,估计模型能可靠精确地估计不同退化趋势的锂电池SOC,具有良好的鲁棒性和收敛速度。     

基于修正协方差扩展卡尔曼滤波法的电动汽车锂电池SOC在线估计(英文)

为弥补传统电动汽车锂电池SOC估计算法估计误差大的缺陷,考虑电动汽车动力电池复杂的工作条件,将参数在线辨识方法和修正协方差扩展卡尔曼滤波(MVEKF)算法结合,提出了一种锂电池SOC在线估计算法.新算法使用变遗忘因子递归最小二乘法实现模型参数在线辨识,利用修正后的状态估计值重新计算迭代过程中的协方差,并将新的过程增益值用于下一状态估计以减少滤波误差.恒脉冲放电和动态应力测试(DST)等实验表明:在电池复杂的充放电条件下,与EKF算法对比,MVEKF滤波算法估计误差更小,最多可减少5%的误差;在DST条件下的充电过程中,EKF会有较大的偏差且不稳定,而MVEKF算法可稳定地估计SOC,且鲁棒性强,适用于电动汽车电池复杂多变的工作条件.     

锂离子电池模型参数和荷电状态联合估算算法

针对电动汽车锂离子电池状态估算问题,提出了一种复合的电池荷电状态(state of charge,SOC)估算算法。在固定参数卡尔曼滤波算法的基础上,引入基于遗忘因子的递推最小二乘法(forgotten factor recursive least square,FFRLS)进行电池模型参数在线辨识;基于在线模型参数,利用无迹卡尔曼滤波算法(unscented Kalman filter,UKF)估算电池SOC,实现电池模型参数和SOC的实时联合估算。采集电池充放电实验数据进行离线仿真,结果表明该算法能较好地跟踪电池工作状态,SOC估算误差基本稳定在3%以内。     

电池管理系统关键技术SOC估算的研究

在大量先验数据的基础上,根据电池管理系统的采样数据,结合安时积分法和开路电压法,对电池SOC进行估算,同时考虑温度及单体电池的不一致性对电池性能的影响,根据不同温度与电池SOC之间的修正数据关系对上述算法进行高低端修正,实验结果表明此方法能够降低安时积分法估计电池SOC的累积误差,准确估算电池SOC,且具有较强的实用性和可靠性。     

基于RC等效电路模型的锂电池SOC估计

针对电动汽车动力锂电池,提出一种能够在恒流及变流放电工况下修正SOC估算误差的方法.首先以双阻容并联网络RC作为锂电池等效电路模型,采用最小二乘法对模型参数进行估计,再依据模型及实验数据构建锂电池非线性状态方程,对锂电池开路电压与SOC的关系进行拟合,最后结合EKF算法与安时积分算法估算锂电池SOC,并采用脉冲放电实验...     

基于PSO-SVM的电动车铅酸蓄电池SOC预测

为了提高电动车铅酸蓄电池的电池荷电状态(SOC)预测精度,将粒子优化算法(PSO)引入到支持向量机(SVM)中,建立了PSO-SVM电动车铅酸蓄电池SOC预测模型,模型输入量为电池的电压和电流,输出量为SOC。采用PSO算法对SVM的惩罚因子C和径向基函数宽度σ寻优,降低了SVM参数取值的盲目性,提高了预测精度。设计了铅酸蓄电池数据智能采集系统,并进行了实际运行车辆电池数据采集。在advisor2002软件中获取的电池数据和实际车辆电池运行数据的基础上,进行了模型训练和预测。结果表明,PSO-SVM预测模型相对传统的BP、RBF和SVM预测模型具有更好的精度和推广能力,满足了"SOC估算精度小于5%"的要求,从而表明该模型是有效的、可行的,并具有较好的工程实用价值。     

基于扩展卡尔曼滤波器的网络队列预测

为解决网络队列动态预测问题,提出一个网络系统在泊松分布流量和指数服务时间下的暂态队列行为预测模型并进行仿真验证。阐述基于扩展卡尔曼滤波（Kalman）的预测模型及其具体算法,结合网络中的数据流量特性,构建基于扩展卡尔曼滤波器的网络暂态队列预测模型,并根据仿真网络中的实际数据对模型进行验证。实验结果表明,所建立的网络暂态队列实时预测模型预测效果比较理想,基本与实时队列长度保持一致。因此,该模型可以较低的代价应用于网络中的动态路由算法及拥塞控制算法中。     

修正型PNGV构架的锂电池SOC预测及内阻识别

荷电状态(SOC)是电动汽车动力电池的核心性能指标。为了进一步提高锂离子电池组单体电池荷电状态预测精度,提出一种基于改进PNGV模型的电池内阻辨识与SOC预测。根据锂离子动力电池的特性分析,建立改进型PNGV模型。利用实验采集的数据和最小二乘算法实现内阻的在线识别。通过该内阻辨识算法,更加准确地反映电池的当前电压。根据预测更加准确的电压,从而提出基于数据融合PHM法预测电池的SOC,该方法基于实验数据和灰色预测模型来估算电池的荷电状态。仿真和实验结果表明,基于内阻辨识的SOC预测更准确,具有较强的工程实用性。     

河蟹养殖自动作业船电池剩余电量估算研究

河蟹养殖自动作业船在作业过程中,准确估算蓄电池剩余电量是作业状态调整的关键因素之一。单一静态的蓄电池剩余电量估算算法难以满足特定系统下的需求,基于特定应用场合的复合型算法逐渐成为研究主流。以作业船蓄电池剩余电量估算为研究目标,基于二阶 RC 电路模型,结合扩展卡尔曼滤波算法,提出一种基于作业船实时工作特性的蓄电池剩余电量估算策略。通过模拟作业船实时工作条件,验证该算法的可用性。实验结果表明,该算法所获估计值相比理论值的平均误差为 3.35%,能够满足作业船蓄电池剩余电量估算要求,对水产养殖作业船电能管理具有一定现实意义。     

基于状态空间神经网络和扩展卡尔曼滤波的主动交通感应控制

为改善方案选择式交通感应控制输出的交通信号配时方案滞后于实时交通状态的缺点,提出用状态空间神经网络和扩展卡尔曼滤波模型预测未来交通状态的优化配时方案.采用能反映道路网络几何特征的状态空间神经网络拓扑结构,结合当前时段和前一时段的路段交通状态,预测下一时段交通状况并选择与其相匹配的信号配时方案;应用扩展卡尔曼滤波训练状态空间神经网络,提高其训练效率及精度.选用南京市广州路的实测交通数据和由多目标遗传算法得出的最优信号控制方案验证模型的有效性.研究结果表明,与BP神经网络和状态空间神经网络相比,所提出的模型能够根据道路状况选择合适的交通控制方案.