咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于扩展卡尔曼滤波算法的磷酸铁锂电池荷电状态估计 收藏

基于扩展卡尔曼滤波算法的磷酸铁锂电池荷电状态估计

State of charge estimation of lithium-iron batteries based on extended Kalman filter

作     者:韦仲爽 侯巍 赵彦 郑寿森 付青 WEI Zhongshuang;HOU Wei;ZHAO Yan;ZHENG Shousen;FU Qing

作者机构:中山大学物理学院广东广州510275 安徽南瑞继远电网技术有限公司安徽合肥230088 珠海银河耐吉科技有限公司广东珠海519085 

出 版 物:《中山大学学报(自然科学版)(中英文)》 (Acta Scientiarum Naturalium Universitatis Sunyatseni)

年 卷 期:2023年第62卷第5期

页      面:92-100页

核心收录:

学科分类:0808[工学-电气工程] 08[工学] 

基  金:国家自然科学基金(61871410) 

主  题:磷酸铁锂电池 荷电状态 二阶Thevenin电路模型 参数识别 扩展卡尔曼滤波算法 

摘      要:电池的荷电状态(SoC,state of charge)是锂离子电池最基本的参数之一,不能直接测量得到。本文基于二阶Thevenin模型对磷酸铁锂电池进行建模分析,通过混合脉冲功率特性(HPPC,hybrid pulse power characteristic)实验对不同SoC处的模型参数进行识别。基于MATLAB/Simulink平台,搭建了变参数二阶Thevenin模型与扩展卡尔曼滤波(EKF,extended Kalman filter)算法相结合的估算系统。仿真结果表明,估算系统在不同工况下的仿真误差不超过2.5%,为锂离子电池管理系统的搭建提供了支持。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分