作为混合动力列车的重要动力来源,锂离子电池已日益成为学者所关注的焦点。目前,对于锂离子电池内部状态的估计,较多的研究都集中在其荷电状态上(state of charge,SOC),而对电池健康状态(state of health,SOH)的研究较少。较为流行的方...
详细信息
作为混合动力列车的重要动力来源,锂离子电池已日益成为学者所关注的焦点。目前,对于锂离子电池内部状态的估计,较多的研究都集中在其荷电状态上(state of charge,SOC),而对电池健康状态(state of health,SOH)的研究较少。较为流行的方法是利用双卡尔曼滤波器对锂离子电池的内部状态进行估计,这种方法需要对系统噪声进行精确的描述。由于系统噪声的不确定,可能导致该算法不收敛,而且算法受电池模型精确度影响较大。本文首先建立了适合于进行内部状态估计的电池模型,然后介绍了普通双卡尔曼滤波算法与改进sage-Husa自适应双卡尔曼滤波法,并设计相关锂离子电池测试实验,利用实验中采集的外部数据,分别利用两种算法,对电池的内部状态进行估计。最后通过对实验结果进行对比,揭示了相比于普通双卡尔曼滤波算法,利用改进Sage-Husa自适应双卡尔曼滤波法能够提高对锂离子电池内部状态估计的精度,并能实时修正由于模型的不精确性导致的估计误差。
暂无评论