针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特...针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特性的电池模组多状态协同估计方法。首先,分析电池电气特性与热特性之间的耦合关系,将分数阶等效电路模型与集总参数双态热模型结合,构建电池模组电热耦合模型。其次,针对电热耦合关系需要准确的SOC与SOT来维持的问题,采用自适应扩展卡尔曼算法(adaptive extended Kalman filter,AEKF)实现电池模组SOC与SOT估计。最后,分析不同状态之间的关联特性,将电池的SOC、SOT引入到多约束条件下的峰值SOP估计中,实现电池模组多状态协同估计,提高电池状态估计的准确性。仿真结果表明,所提方法在SOC初始误差为20%情况下,能够快速收敛至真实值,且均方根误差在0.52%以内,核心温度与表面温度估计误差分别在0.36和0.31℃以内。在40℃时,核心温度约束起作用,峰值功率估计结果显著降低,为动力电池的实时安全监控提供了有力保障。展开更多
文摘针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特性的电池模组多状态协同估计方法。首先,分析电池电气特性与热特性之间的耦合关系,将分数阶等效电路模型与集总参数双态热模型结合,构建电池模组电热耦合模型。其次,针对电热耦合关系需要准确的SOC与SOT来维持的问题,采用自适应扩展卡尔曼算法(adaptive extended Kalman filter,AEKF)实现电池模组SOC与SOT估计。最后,分析不同状态之间的关联特性,将电池的SOC、SOT引入到多约束条件下的峰值SOP估计中,实现电池模组多状态协同估计,提高电池状态估计的准确性。仿真结果表明,所提方法在SOC初始误差为20%情况下,能够快速收敛至真实值,且均方根误差在0.52%以内,核心温度与表面温度估计误差分别在0.36和0.31℃以内。在40℃时,核心温度约束起作用,峰值功率估计结果显著降低,为动力电池的实时安全监控提供了有力保障。
