【作者】

谭丕强; 周捷; 姚超捷

【单位】

同济大学

【摘要】

通过准确的估计锂离子电池的荷电状态（State of charge，SOC）和健康状态（State of health）能够及时地了解电池续航里程和老化情况，防止因电池老化而发生热失控等安全问题，提高混合动力汽车等新能源汽车的安全性。考虑电池的内部老化，使用多时间尺度的自适应扩展卡尔曼滤波（MAEKF）算法对锂离子动力电池SOC-SOH进行估计，提高估计精度。分别建立一阶和二阶RC等效电路模型，利用带遗忘因子的递推最小二乘法进行模型的参数辨识，在小时间尺度上进行SOC等电池状态的估计，在大时间尺度上进行SOH等电池参数的估计，并对算法进行验证。结果表明，MAEKF算法能够有效的实现SOC-SOH的协同估计，并相比于一阶MAEKF算法，二阶MAEKF算法的估计精度更高，对SOC估计最大均方误差为1.83%，最大估计误差为4.29%，对SOH的均方误差为1.73%，最大误差为8.55%。

【关键词】

锂离子动力电池;SOC-SOH协同估计;卡尔曼滤波;等效电路模型

【论文集名称】

混合动力与先进汽油机技术

【会议名称】

交通能源与智能动力大会

【会议时间】

2022-11-24至2022-11-29

【会议地点】

上海

【下载次数】

6

返回