基于參數(shù)辨識與AEKF的鋰電池SOC估計
發(fā)布時間:2021-08-18 18:33
荷電狀態(tài)的精確估計對電動汽車中的電池管理系統(tǒng)具有重要意義。針對鋰離子電池的特性,使用二階RC等效電路模型,采用含遺忘因子的遞推最小二乘法在線辨識參數(shù)以滿足模型精度的要求,結(jié)合基于新息自適應估計方法的擴展卡爾曼濾波算法(AEKF)完成鋰離子電池荷電狀態(tài)的準確估計。AEKF算法可以通過自適應噪聲協(xié)方差匹配的方式來確切反映系統(tǒng)誤差與過程誤差對系統(tǒng)狀態(tài)的影響。聯(lián)合估計算法能夠在模擬工況下實現(xiàn)更好的精度、收斂速度與自適應性。
【文章來源】:電源技術(shù). 2020,44(10)北大核心
【文章頁數(shù)】:4 頁
【部分圖文】:
圖1?二階RC等效電路模型??1.2最小二乘法擬合原理??
jUj??究與設計??趕逄歧i:??②?分別取充電靜置時間段的端電壓和放電靜置時間段的??端電壓,根據(jù)這些時刻下的SOC分別確定兩組數(shù)值,用這兩??組數(shù)值分別擬合兩條曲線。??③由兩條曲線的均值得到OCV-SOC曲線,如圖2所示。.??型則沒有涉及到實際情況中的兩種極化效應,所以這兩種模??型不適合實際情況下SOC的估計。GNL模型則考慮了電池的??多種極化以及自放電現(xiàn)象,但是GNL模型未知的參數(shù)較多,??參數(shù)的確定也較為復雜,目前狀況下很難在實際中應用。??如圖1所示的二階RC模型中:14為開路電壓;R?為歐??姆內(nèi)阻和G表示電化學的極化現(xiàn)象;《2和Q表示濃差極??化現(xiàn)象;4為負載電流;14為輸出端的電壓%??Cl?C:??K??圖1?二階RC等效電路模型??1.2最小二乘法擬合原理??最小二乘法是簡單而有效的擬合算法'對于非線性系統(tǒng)??可以給出較為準確的參數(shù)擬合結(jié)果Q??建立系統(tǒng),如式(1):??y(k)?=?f(k)6?+?e(k)?(1)??式中:#)為系統(tǒng)輸出量*時刻的值4為觀測向量。??令:??(k)?=?[—y(k—\)...—y(k—n)?u{k)...u{k-n)\?^??0?=?[a,?...?an?\?b2?...?]??式中:u(i)為系統(tǒng)的第Jc次輸入值;0為被辨識的參數(shù)矩陣。??取準則函數(shù),見式(3):??J(6)?=?XteW]2?=?[y(k)?-f(k)eny(k)-f(k)6]?(3)??i=l??當及0)取最小值時,求出最小二乘法估計值,見式(4):??e=[f(k)mr'my(k)?(句??遞推修正?,并引入遺忘因子,見式(5):??§(k+1)?=?
定茗)??噪聲、狀態(tài)協(xié)方差初始化??(設定尸。,2.,及〇)??AUKFW?法??狀態(tài)預估??(計算七)??誤差協(xié)方差預估??(計算K)??究與設計??城市循環(huán)(urban?dynamometer?driving?schedule,UDDS)工況[15]??的鋰電池電流,該工況電流周期為1?370?s,采樣時間為1?s。圖??5為UDDS工況電流曲線圖。??圖4?聯(lián)合估計算法Simulink模型??0?200?400?600?800?1000?1200??t/s??圖5?UDDS工況電流曲線??為了研究FERLS算法的辨識效果,利用圖5所示的UD-??DS工況進行參數(shù)辨識并輸人電池模型中,同樣將仿真電流加??載到模型上,仿真時間為170?min,大約循環(huán)7個周期。將仿真??得到的結(jié)果與參考端電壓進行比較,可以直觀地觀察到模型??參數(shù)的精度。圖6為仿真輸出端電壓對比圖,圖7為端電壓對??比誤差圖。??D?2?000?4?000?6?000?8?000?10?000??"S??圖6?端電壓對比??胃I一端電壓對比誤差??%i??2020.10?Vol.44?No.?10??1504??
【參考文獻】:
期刊論文
[1]車用動力電池二階RC建模及參數(shù)辨識[J]. 羅勇,趙小帥,祁朋偉,劉增玥,鄧濤,李沛然. 儲能科學與技術(shù). 2019(04)
[2]基于在線參數(shù)辨識和AEKF的鋰電池SOC估計[J]. 田茂飛,安治國,陳星,趙琳,李亞坤,司鑫. 儲能科學與技術(shù). 2019(04)
[3]用最小二乘法在線估計蓄電池荷電狀態(tài)[J]. 李匡成,楊亞麗,陳濤,袁文濤. 電源技術(shù). 2010(10)
[4]電動汽車SOC估計算法與電池管理系統(tǒng)的研究[J]. 黃文華,韓曉東,陳全世,林成濤. 汽車工程. 2007(03)
[5]IAE-adaptive Kalman filter for INS/GPS integrated navigation system[J]. Bian Hongwei~ 1,2 , Jin Zhihua~1 & Tian Weifeng~2 1. Dept. of Information Measurement Technology and Instruments, Shanghai Jiaotong Univ., Shanghai 200030, P. R. China; 2. Dept. of Electrical Engineering of Naval Univ. of Engineering, Wuhan 430033). Journal of Systems Engineering and Electronics. 2006(03)
[6]電動汽車電池功率輸入等效電路模型的比較研究[J]. 林成濤,仇斌,陳全世. 汽車工程. 2006(03)
博士論文
[1]純電動汽車動力系統(tǒng)參數(shù)匹配及整車控制策略研究[D]. 周飛鯤.吉林大學 2013
碩士論文
[1]電動汽車動力電池模型參數(shù)在線辨識及SOC估計[D]. 張禹軒.吉林大學 2014
本文編號:3350411
【文章來源】:電源技術(shù). 2020,44(10)北大核心
【文章頁數(shù)】:4 頁
【部分圖文】:
圖1?二階RC等效電路模型??1.2最小二乘法擬合原理??
jUj??究與設計??趕逄歧i:??②?分別取充電靜置時間段的端電壓和放電靜置時間段的??端電壓,根據(jù)這些時刻下的SOC分別確定兩組數(shù)值,用這兩??組數(shù)值分別擬合兩條曲線。??③由兩條曲線的均值得到OCV-SOC曲線,如圖2所示。.??型則沒有涉及到實際情況中的兩種極化效應,所以這兩種模??型不適合實際情況下SOC的估計。GNL模型則考慮了電池的??多種極化以及自放電現(xiàn)象,但是GNL模型未知的參數(shù)較多,??參數(shù)的確定也較為復雜,目前狀況下很難在實際中應用。??如圖1所示的二階RC模型中:14為開路電壓;R?為歐??姆內(nèi)阻和G表示電化學的極化現(xiàn)象;《2和Q表示濃差極??化現(xiàn)象;4為負載電流;14為輸出端的電壓%??Cl?C:??K??圖1?二階RC等效電路模型??1.2最小二乘法擬合原理??最小二乘法是簡單而有效的擬合算法'對于非線性系統(tǒng)??可以給出較為準確的參數(shù)擬合結(jié)果Q??建立系統(tǒng),如式(1):??y(k)?=?f(k)6?+?e(k)?(1)??式中:#)為系統(tǒng)輸出量*時刻的值4為觀測向量。??令:??(k)?=?[—y(k—\)...—y(k—n)?u{k)...u{k-n)\?^??0?=?[a,?...?an?\?b2?...?]??式中:u(i)為系統(tǒng)的第Jc次輸入值;0為被辨識的參數(shù)矩陣。??取準則函數(shù),見式(3):??J(6)?=?XteW]2?=?[y(k)?-f(k)eny(k)-f(k)6]?(3)??i=l??當及0)取最小值時,求出最小二乘法估計值,見式(4):??e=[f(k)mr'my(k)?(句??遞推修正?,并引入遺忘因子,見式(5):??§(k+1)?=?
定茗)??噪聲、狀態(tài)協(xié)方差初始化??(設定尸。,2.,及〇)??AUKFW?法??狀態(tài)預估??(計算七)??誤差協(xié)方差預估??(計算K)??究與設計??城市循環(huán)(urban?dynamometer?driving?schedule,UDDS)工況[15]??的鋰電池電流,該工況電流周期為1?370?s,采樣時間為1?s。圖??5為UDDS工況電流曲線圖。??圖4?聯(lián)合估計算法Simulink模型??0?200?400?600?800?1000?1200??t/s??圖5?UDDS工況電流曲線??為了研究FERLS算法的辨識效果,利用圖5所示的UD-??DS工況進行參數(shù)辨識并輸人電池模型中,同樣將仿真電流加??載到模型上,仿真時間為170?min,大約循環(huán)7個周期。將仿真??得到的結(jié)果與參考端電壓進行比較,可以直觀地觀察到模型??參數(shù)的精度。圖6為仿真輸出端電壓對比圖,圖7為端電壓對??比誤差圖。??D?2?000?4?000?6?000?8?000?10?000??"S??圖6?端電壓對比??胃I一端電壓對比誤差??%i??2020.10?Vol.44?No.?10??1504??
【參考文獻】:
期刊論文
[1]車用動力電池二階RC建模及參數(shù)辨識[J]. 羅勇,趙小帥,祁朋偉,劉增玥,鄧濤,李沛然. 儲能科學與技術(shù). 2019(04)
[2]基于在線參數(shù)辨識和AEKF的鋰電池SOC估計[J]. 田茂飛,安治國,陳星,趙琳,李亞坤,司鑫. 儲能科學與技術(shù). 2019(04)
[3]用最小二乘法在線估計蓄電池荷電狀態(tài)[J]. 李匡成,楊亞麗,陳濤,袁文濤. 電源技術(shù). 2010(10)
[4]電動汽車SOC估計算法與電池管理系統(tǒng)的研究[J]. 黃文華,韓曉東,陳全世,林成濤. 汽車工程. 2007(03)
[5]IAE-adaptive Kalman filter for INS/GPS integrated navigation system[J]. Bian Hongwei~ 1,2 , Jin Zhihua~1 & Tian Weifeng~2 1. Dept. of Information Measurement Technology and Instruments, Shanghai Jiaotong Univ., Shanghai 200030, P. R. China; 2. Dept. of Electrical Engineering of Naval Univ. of Engineering, Wuhan 430033). Journal of Systems Engineering and Electronics. 2006(03)
[6]電動汽車電池功率輸入等效電路模型的比較研究[J]. 林成濤,仇斌,陳全世. 汽車工程. 2006(03)
博士論文
[1]純電動汽車動力系統(tǒng)參數(shù)匹配及整車控制策略研究[D]. 周飛鯤.吉林大學 2013
碩士論文
[1]電動汽車動力電池模型參數(shù)在線辨識及SOC估計[D]. 張禹軒.吉林大學 2014
本文編號:3350411
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3350411.html
教材專著