基于扩展卡尔曼滤波算法的磷酸铁锂电池荷电状态估计

韦仲爽; 侯巍; 赵彦; 郑寿森; 付青

doi:10.13471/j.cnki.acta.snus.2023B012

您当前的位置：

首页 >

文章列表页 >

基于扩展卡尔曼滤波算法的磷酸铁锂电池荷电状态估计

研究论文 | 更新时间：2023-11-07

- 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
- 中山大学学报(自然科学版)(中英文) 2023年62卷第5期页码：92-100
- 作者机构：
  
  1.中山大学物理学院，广东广州 510275
  2.安徽南瑞继远电网技术有限公司，安徽合肥 230088
  3.珠海银河耐吉科技有限公司，广东珠海 519085
- 作者简介：
  
  韦仲爽（1996年生），男；研究方向：电力电子与电力传动； E-mail：weizhsh3@mail2.sysu.edu.cn
  郑寿森（1963年生），男；研究方向：嵌入式系统控制； E-mail：zhengshs@mail.sysu.edu.cn
- 基金信息：
  
  国家自然科学基金(61871410)
- DOI：10.13471/j.cnki.acta.snus.2023B012
  中图分类号： TM912.9
- 纸质出版日期：2023-09-25，
  
  网络出版日期：2023-06-16，
  
  收稿日期：2023-03-26，
  
  录用日期：2023-04-04
扫描看全文
韦仲爽,侯巍,赵彦等.基于扩展卡尔曼滤波算法的磷酸铁锂电池荷电状态估计[J].中山大学学报(自然科学版),2023,62(05):92-100.

WEI Zhongshuang,HOU Wei,ZHAO Yan,et al.State of charge estimation of lithium-iron batteries based on extended Kalman filter[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2023,62(05):92-100.
韦仲爽,侯巍,赵彦等.基于扩展卡尔曼滤波算法的磷酸铁锂电池荷电状态估计[J].中山大学学报(自然科学版),2023,62(05):92-100. DOI： 10.13471/j.cnki.acta.snus.2023B012.

WEI Zhongshuang,HOU Wei,ZHAO Yan,et al.State of charge estimation of lithium-iron batteries based on extended Kalman filter[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2023,62(05):92-100. DOI： 10.13471/j.cnki.acta.snus.2023B012.

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。

Abstract

The state of charge of the battery is one of the fundamental parameters of the lithium-ion battery， which can't be measured directly. In this paper， the second-order Thevenin model is used to analyze the characteristics of lithium-iron phosphate battery， and the model parameters at different SoC are identified through the hybrid pulse power characteristic （HPPC） experiment. Based on MATLAB/Simulink platform， an estimation system combining variable parameter second-order Thevenin model and extended Kalman filter （EKF） algorithm is built. The simulation results show that the simulation error of the estimation system is less than 2.5% under different working conditions， which provides support for the development of lithium-ion battery management system.

关键词

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

Keywords

lithium-iron phosphate batterySoCthe second-order Thevenin modelparameter identifyEKF algorithm

references

凤良，2021.基于二阶RC模型的磷酸铁锂电池的荷电状态估计［D］.南京：南京邮电大学.

高进，胡红顶，姚胜华，2022.基于改进安时积分法的锂离子电池组SOC估算［J］.湖北汽车工业学院学报，36（4）：56-60.

贺林，石琴，2021.动力电池［M］.北京：机械工业出版社.

黄小平，王岩，2022.卡尔曼滤波原理及应用MATLAB仿真［M］.北京：电子工业出版社.

贾玉健，解大，顾羽洁，等，2011.电动汽车电池等效电路模型的分类和特点［J］.电力与能源， 32（6）：516-521.

刘海东，周萍，周正，等，2022.锂离子电池开路电压快速估计研究［J］.机械工程学报，58（8）：227-235+243.

刘昊天，2020.基于深度学习的锂离子电池SOC及SOH估算方法研究［D］.天津：天津大学.

马骁，2020.自适应电动汽车电池SOC估算方法及均衡技术的研究［D］.南京：南京航空航天大学.

谭晓军，2021.电动汽车智能电池管理系统技术［M］.广州：中山大学出版社.

王浩，2022.考虑迟滞特性与模型时变参数的磷酸铁锂电池SOC估算［D］.南京：南京林业大学.

王海龙，左付山，张营，2021.车用锂离子电池SOC估算研究［J］.自动化仪表，42（6）：72-76.

晏晓锋，2022.基于卡尔曼滤波的三元锂电池SOC估算研究［D］.桂林：桂林电子科技大学.

赵佳美，2018.基于二阶EKF的锂离子电池SOC估计的建模与仿真［D］.西安：西安科技大学.

张照娓，郭天滋，高明裕，等，2021.电动汽车锂离子电池荷电状态估算方法研究综述［J］.电子与信息学报，43（7）：1803-1815.

张连德，2018.基于电化学阻抗谱的三元锂离子电池状态估计研究［D］.长春：吉林大学.

CHUN H Y， KIM J S， HAN S H，2019. Parameter identification of an electrochemical lithium-ion battery model with convolutional neural network［J］.IFAC Papers OnLine， 52（4）： 129-134.

NEMES R， CIORNEI S， RUBA M， et al， 2019. Modeling and simulation of first⁃order Li⁃ion battery cell with experimental validation［C］// The 8th International Conference on Modern Power Systems.

ZHANG X， LU J L， YUAN S F， et al， 2017. A novel method for identification of lithium⁃ion battery equivalent circuit model parameters considering electrochemical properties［J］. Journal of Power Sources， 345： 21-29.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据