推荐星级：
- 1
- 2
- 3
- 4
- 5
基于扩展卡尔曼滤波的电动汽车电池状态估计
资料介绍
汽车已有百年发展史，如今遇到安全、环保、节能三大问题亟待解决。电动汽车以其节能、环保的优点越来越受到世界的关注，被认为是未来汽车的发展趋势。电动汽车是以动力电池作为能源，电池对整车动力性、经济性和安全性至关重要。为了对电池进行合理的使用，延长电池的使用寿命，电池管理系统（Battery Management System，B1MS）对电池管理就很关键，它的最重要的任务之一是估计电池的荷电状态（State of Charge，SOC）。
SOC估计常用的方法有电流积分法、开路电压法、实验放电法、内阻法、神经网络法以及卡尔曼滤波法等。各种方法具有其适用范围和优缺点，目前适用最多的是电流积分法和开路电压法，以及二者结合的方法，但对于电动汽车电流波动大、工作环境恶劣、长时间运行放电的特殊工况，这些方法的适应性较差。近年来，扩展卡尔曼滤波（Extended Kalman filter，EKF）算法被用来估计SOC，成为研究的一项热点。该方法通过递推算法实现SOC的最小方差估计，并能给出估计的误差，对SOC的初始误差有很强的抑制作用。
本文以EKF算法为基础，建立了与之适应的电池等效电路模型，结合电流积分和开路电压法，对SOC进行了估计，并给出了试验与仿真的结果。
部分文件列表
| 文件名 | 大小 |
| 基于扩展卡尔曼滤波的电动汽车电池状态估计.pdf | 2M |
全部评论(0)