精確的鋰電池荷電狀態(tài)（SOC）在線估算可以有效地延長(zhǎng)電池使用壽命,提高電池的安全性,對(duì)于電動(dòng)汽車電池管理系統(tǒng)（BMS）而言至關(guān)重要。針對(duì)自適應(yīng)擴(kuò)展卡爾曼濾波（AEKF）算法運(yùn)行初期收斂速度緩慢問題,該文提出模糊AEKF（FAEKF）算法可以改善收斂速度。以NCR18650B型三元鋰電池的實(shí)際端電壓與預(yù)測(cè)端電壓差值的絕對(duì)值及其變化率作為模糊輸入,以卡爾曼濾波器的系統(tǒng)測(cè)量噪聲R作為模糊輸出,通過(guò)對(duì)R進(jìn)行模糊控制來(lái)調(diào)節(jié)算法在迭代過(guò)程中的增益K,進(jìn)而實(shí)現(xiàn)收斂速度的模糊調(diào)節(jié)。實(shí)驗(yàn)結(jié)果表明,在0.5C倍率恒流放電工況和動(dòng)態(tài)應(yīng)力測(cè)試工況（DST）條件下,改進(jìn)的算法相比于擴(kuò)展卡爾曼（EKF）和AEKF算法,在不降低估算精度的情況下能夠明顯地提高收斂速度,在SOC在線估算中更具有實(shí)用性。 

【文章來(lái)源】：電工技術(shù)學(xué)報(bào). 2020,35(18)北大核心EICSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

Randles電路模型

式中，N為新息序列采樣個(gè)數(shù)；j0為參與測(cè)量噪聲更新的第一個(gè)數(shù)據(jù)；yk測(cè)、yk分別為電池的測(cè)量端電壓和預(yù)測(cè)端電壓；Sk表示采樣數(shù)據(jù)的方差。整個(gè)遞推過(guò)程的流程如圖2所示。3 模糊自適應(yīng)擴(kuò)展卡爾曼濾波算法

模糊控制器設(shè)計(jì)過(guò)程主要包括六部分[14-17]:(1)確定輸入、輸出變量；(2)確定輸入、輸出變量的論域；(3)確定輸入、輸出變量的隸屬函數(shù)；(4)根據(jù)專家經(jīng)驗(yàn)確定模糊規(guī)則及其模糊關(guān)系；(5)選擇推理算法；(6)選擇最佳的去模糊化方法。模糊控制器的結(jié)構(gòu)原理如圖3所示。本文以NCR18650B型三元鋰電池的實(shí)測(cè)端電壓yk測(cè)和預(yù)測(cè)端電壓yk差值的絕對(duì)值ue及其變化率ude作為模糊輸入變量，選擇測(cè)量噪聲R作為模糊輸出變量。ue的論域?yàn)閇0,0.8V]，劃分為四個(gè)等級(jí)：Z表示零，S表示小，M表示中，B表示大，ue越小則表示算法對(duì)于鋰電池SOC估算越接近電池當(dāng)前狀態(tài)。ude的論域?yàn)閇-0.3V/s 0.3V/s]劃分為三個(gè)等級(jí)：N表示負(fù)，Z表示零，P表示正，ude的變化可以反映算法的動(dòng)態(tài)過(guò)程。R的論域?yàn)閇0.000 01W,0.000 55W]，劃分為四個(gè)等級(jí)：B表示快加速，M表示中加速，S表示慢加速，Z表示不加速。模糊控制器提高算法收斂性的原理：當(dāng)ue較大時(shí)降低R輸出值，由式（9）可知，R減小時(shí)增益矩陣K的各項(xiàng)值會(huì)增加，從而可以使得式（12）狀態(tài)更新后更接近真實(shí)狀態(tài)，有效縮短算法在收斂過(guò)程中的迭代次數(shù)。當(dāng)算法迭代到真值ue很小時(shí)，模糊控制器輸出的R值為當(dāng)前測(cè)量噪聲的真實(shí)值。模糊控制器的輸入輸出隸屬函數(shù)如圖4所示，其控制規(guī)則見表1。

【參考文獻(xiàn)】：
期刊論文
[1]考慮超短期負(fù)荷預(yù)測(cè)的儲(chǔ)能電池參與電網(wǎng)一次調(diào)頻控制策略[J]. 李培強(qiáng),豐云鶴,李欣然,譚莊熙,羊博,黃際元.  電力系統(tǒng)自動(dòng)化. 2019(19)
[2]基于自適應(yīng)無(wú)跡卡爾曼濾波的動(dòng)力電池健康狀態(tài)檢測(cè)及梯次利用研究[J]. 顏湘武,鄧浩然,郭琪,曲偉.  電工技術(shù)學(xué)報(bào). 2019(18)
[3]基于模型參數(shù)辨識(shí)和擴(kuò)展卡爾曼濾波的鋰電池荷電狀態(tài)估計(jì)[J]. 張佳倩,劉志虎.  工業(yè)控制計(jì)算機(jī). 2019(09)
[4]脈沖大倍率放電條件下磷酸鐵鋰電池荷電狀態(tài)估計(jì)[J]. 張振宇,汪光森,聶世雄,邢鵬翔.  電工技術(shù)學(xué)報(bào). 2019(08)
[5]基于綜合型卡爾曼濾波的鋰離子電池荷電狀態(tài)估算[J]. 谷苗,夏超英,田聰穎.  電工技術(shù)學(xué)報(bào). 2019(02)
[6]基于模糊自適應(yīng)算法的航天器姿態(tài)控制[J]. 周湛杰,王新生,王巖.  電機(jī)與控制學(xué)報(bào). 2019(02)
[7]基于自適應(yīng)擴(kuò)展卡爾曼濾波的分布式驅(qū)動(dòng)電動(dòng)汽車狀態(tài)估計(jì)[J]. 張志勇,張淑芝,黃彩霞,張劉鑄,李博浩.  機(jī)械工程學(xué)報(bào). 2019(06)
[8]用于電力系統(tǒng)動(dòng)態(tài)狀態(tài)估計(jì)的改進(jìn)魯棒無(wú)跡卡爾曼濾波算法[J]. 曲正偉,董一兵,王云靜,陳亮.  電力系統(tǒng)自動(dòng)化. 2018(10)
[9]充電模態(tài)下電動(dòng)汽車動(dòng)力電池模型辨識(shí)[J]. 劉偉龍,王麗芳,廖承林,王立業(yè).  電工技術(shù)學(xué)報(bào). 2017(11)
[10]深海動(dòng)力磷酸鐵鋰電池組均衡方案設(shè)計(jì)優(yōu)化[J]. 呂航,劉承志,尹棟,林鵬峰,賈俊波.  電工技術(shù)學(xué)報(bào). 2016(19)

碩士論文
[1]基于自適應(yīng)卡爾曼濾波的GPS精密單點(diǎn)定位研究[D]. 李兆洋.西南交通大學(xué) 2017



本文編號(hào)：3468940