复杂路况下,为提高电动汽车锂电池组健康状态SOH(state of health)估算实时性与准确性,通过扩展卡尔曼滤波算法估算荷电状态,结合锂电池组温度与单体锂电池电压,系统判断锂电池组健康状态,提示故障位置并及时更换。结果表明,通过建模对...复杂路况下,为提高电动汽车锂电池组健康状态SOH(state of health)估算实时性与准确性,通过扩展卡尔曼滤波算法估算荷电状态,结合锂电池组温度与单体锂电池电压,系统判断锂电池组健康状态,提示故障位置并及时更换。结果表明,通过建模对电动汽车锂电池组健康状态估算简单、方便、准确、高效。保证了锂电池处于最佳状态,提高了驾驶的舒适性与安全性,实用性强。展开更多
文摘复杂路况下,为提高电动汽车锂电池组健康状态SOH(state of health)估算实时性与准确性,通过扩展卡尔曼滤波算法估算荷电状态,结合锂电池组温度与单体锂电池电压,系统判断锂电池组健康状态,提示故障位置并及时更换。结果表明,通过建模对电动汽车锂电池组健康状态估算简单、方便、准确、高效。保证了锂电池处于最佳状态,提高了驾驶的舒适性与安全性,实用性强。
