發(fā)布時間：2021-10-31 22:05

　　精確的鋰電池荷電狀態(tài)（SOC）在線估算可以有效地延長電池使用壽命,提高電池的安全性,對于電動汽車電池管理系統(tǒng)（BMS）而言至關重要。針對自適應擴展卡爾曼濾波（AEKF）算法運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型三元鋰電池的實際端電壓與預測端電壓差值的絕對值及其變化率作為模糊輸入,以卡爾曼濾波器的系統(tǒng)測量噪聲R作為模糊輸出,通過對R進行模糊控制來調節(jié)算法在迭代過程中的增益K,進而實現(xiàn)收斂速度的模糊調節(jié)。實驗結果表明,在0.5C倍率恒流放電工況和動態(tài)應力測試工況（DST）條件下,改進的算法相比于擴展卡爾曼（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用性。 

【文章來源】：電工技術學報. 2020,35(18)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

Randles電路模型

式中，N為新息序列采樣個數(shù)；j0為參與測量噪聲更新的第一個數(shù)據；yk測、yk分別為電池的測量端電壓和預測端電壓；Sk表示采樣數(shù)據的方差。整個遞推過程的流程如圖2所示。3 模糊自適應擴展卡爾曼濾波算法

模糊控制器設計過程主要包括六部分[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)根據專家經驗確定模糊規(guī)則及其模糊關系；(5)選擇推理算法；(6)選擇最佳的去模糊化方法。模糊控制器的結構原理如圖3所示。本文以NCR18650B型三元鋰電池的實測端電壓yk測和預測端電壓yk差值的絕對值ue及其變化率ude作為模糊輸入變量，選擇測量噪聲R作為模糊輸出變量。ue的論域為[0,0.8V]，劃分為四個等級：Z表示零，S表示小，M表示中，B表示大，ue越小則表示算法對于鋰電池SOC估算越接近電池當前狀態(tài)。ude的論域為[-0.3V/s 0.3V/s]劃分為三個等級：N表示負，Z表示零，P表示正，ude的變化可以反映算法的動態(tài)過程。R的論域為[0.000 01W,0.000 55W]，劃分為四個等級：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ue較大時降低R輸出值，由式（9）可知，R減小時增益矩陣K的各項值會增加，從而可以使得式（12）狀態(tài)更新后更接近真實狀態(tài)，有效縮短算法在收斂過程中的迭代次數(shù)。當算法迭代到真值ue很小時，模糊控制器輸出的R值為當前測量噪聲的真實值。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】：
期刊論文
[1]考慮超短期負荷預測的儲能電池參與電網一次調頻控制策略[J]. 李培強,豐云鶴,李欣然,譚莊熙,羊博,黃際元.  電力系統(tǒng)自動化. 2019(19)
[2]基于自適應無跡卡爾曼濾波的動力電池健康狀態(tài)檢測及梯次利用研究[J]. 顏湘武,鄧浩然,郭琪,曲偉.  電工技術學報. 2019(18)
[3]基于模型參數(shù)辨識和擴展卡爾曼濾波的鋰電池荷電狀態(tài)估計[J]. 張佳倩,劉志虎.  工業(yè)控制計算機. 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[J]. 張振宇,汪光森,聶世雄,邢鵬翔.  電工技術學報. 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.  電工技術學報. 2019(02)
[6]基于模糊自適應算法的航天器姿態(tài)控制[J]. 周湛杰,王新生,王巖.  電機與控制學報. 2019(02)
[7]基于自適應擴展卡爾曼濾波的分布式驅動電動汽車狀態(tài)估計[J]. 張志勇,張淑芝,黃彩霞,張劉鑄,李博浩.  機械工程學報. 2019(06)
[8]用于電力系統(tǒng)動態(tài)狀態(tài)估計的改進魯棒無跡卡爾曼濾波算法[J]. 曲正偉,董一兵,王云靜,陳亮.  電力系統(tǒng)自動化. 2018(10)
[9]充電模態(tài)下電動汽車動力電池模型辨識[J]. 劉偉龍,王麗芳,廖承林,王立業(yè).  電工技術學報. 2017(11)
[10]深海動力磷酸鐵鋰電池組均衡方案設計優(yōu)化[J]. 呂航,劉承志,尹棟,林鵬峰,賈俊波.  電工技術學報. 2016(19)

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



本文編號：3468940