-
题名基于ESP模型的锂电池参数辨识和SOC估计
被引量：5
- 1
-
-
作者
吴波
谢锋
卢佩航
徐劲力
-
机构
武汉理工大学机电工程学院
-
出处
《电源技术》
CAS
北大核心
2020年第6期832-835,874,共5页
-
文摘
精准的电池模型是电动汽车电池管理系统的关键,它为准确估计电池荷电状态(SOC)提供保证。基于电化学反应机理,建立扩展单粒子(ESP)模型。基于ESP模型参数较多的特点,利用改进遗传算法分不同SOC阶段进行多组参数辨识,通过充放电实验验证模型的准确性。基于ESP模型和卡尔曼滤波算法,引入强跟踪滤波器和自适应滤波方法,且对模型状态方程进行修正,建立自适应强跟踪Sigma点卡尔曼滤波算法来进行SOC估计。结果表明,ESP模型有较高的精度,且基于此模型和所建立的算法可以实现对SOC的精确估计,其最大误差在2.3%以内。
-
关键词
扩展单粒子模型
参数辨识
改进遗传算法
荷电状态估计
卡尔曼滤波
-
Keywords
extended single particle model
parameters identification
improved genetic algorithm
state of charge estimation
Kalman filter algorithm
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
