基于扩展卡尔曼滤波的锂电池SOC估计方法

    公开(公告)号:CN114859235A

    公开(公告)日:2022-08-05

    申请号:CN202210557679.9

    申请日:2022-05-19

    Abstract: 本发明提供了一种基于扩展卡尔曼滤波的锂电池SOC估计方法,包括以下步骤:构建锂电池的等效电路模型;根据等效电路模型建立离散非线性系统状态及观测方程;根据离散非线性的系统状态及观测方程得到扩展卡尔曼滤波算法所需的线性系统状态及观测方程;更新扩展卡尔曼滤波算法的预测及校正部分;判断扩展卡尔曼滤波算法的预测及校正部分的更新过程是否完成:若是,则重构扩展卡尔曼滤波算法所需的线性系统状态及观测方程;根据重构的扩展卡尔曼滤波算法所需的线性系统状态及观测方程估计锂电池的SOC。本发明能够同时兼顾到起始估计阶段的锂电池SOC估计值收敛速度,以及收敛到容许误差范围内后平稳估计阶段锂电池SOC估计值波形的平滑性。

    考虑滞回效应的动力电池SOC估计方法

    公开(公告)号:CN111896875A

    公开(公告)日:2020-11-06

    申请号:CN202010735056.7

    申请日:2020-07-28

    Abstract: 本发明提供一种考虑滞回效应的动力电池SOC估计方法,包括以下步骤:获取动力电池的滞回主环路特性曲线和滞回小环路特性曲线;根据滞回主环路和小环路特性曲线获取动力电池充放电OCV转换阶段的SOC积累量;根据SOC积累量建立滞回因子 的有效数学模型;根据 的有效数学模型构建动力电池的简化滞回OCV模型;根据简化滞回OCV模型获取动力电池离散和线性化后的一阶RC等效电路模型;根据一阶RC等效电路模型,采用EKF算法估计动力电池SOC。本发明根据动力电池的滞回环路特性曲线构建了一种可以平衡精度和复杂度的动力电池的简化滞回OCV模型,从而提升了电池等效电路模型的精度,进而使SOC的估计性能得到较大幅度提升。

Patent Agency Ranking