基于自适应无迹卡尔曼滤波算法的锂离子动力电池状态估计

作     者：魏克新 陈峭岩 WEI Kexin;CHEN Qiaoyan

作者机构：天津大学电气与自动化工程学院天津市南开区300072 

出 版 物：《中国电机工程学报》 (Proceedings of the CSEE)

年 卷 期：2014年第34卷第3期

页      面：445-452页

核心收录：

学科分类：082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

基　　金：国家高技术研究发展计划项目(863计划)(2011AA11A279)~~ 

主　　题：荷电状态 健康状态 自适应无迹卡尔曼滤波器 电动汽车 锂离子动力电池 

摘      要：应用传统的无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电动汽车锂离子动力电池核电状态(state of charge,SOC)时,常会出现由于电池模型参数不准确而造成估计误差增大的问题,该文采用了自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法解决该问题。AUKF算法是一种循环迭代算法,可以实时估计电池模型中的欧姆内阻,提高电池模型准确性,从而提高电池SOC估计精度。另外,电池的欧姆内阻可以表征电池的健康状态(state of health,SOH),因此还可以根据电池的欧姆内阻估计出电池的SOH。在设定工况下对电池做充放电实验,实验分析表明,与UKF相比,AUKF提高了电池SOC估计的精度,并能准确的估计出电池的欧姆内阻。