%0 Journal Article
%T 基于自适应无迹卡尔曼滤波算法的锂离子动力电池状态估计
%A 魏克新
%A 陈峭岩
%J 中国电机工程学报
%P 445-452
%D 2014
%R 10.13334/j.0258-8013.pcsee.2014.03.016
%X 应用传统的无迹卡尔曼滤波(unscentedKalmanfilter,UKF)算法估计电动汽车锂离子动力电池核电状态(stateofcharge,SOC)时,常会出现由于电池模型参数不准确而造成估计误差增大的问题,该文采用了自适应无迹卡尔曼滤波(adaptiveunscentedKalmanfilter,AUKF)算法解决该问题。AUKF算法是一种循环迭代算法,可以实时估计电池模型中的欧姆内阻,提高电池模型准确性,从而提高电池SOC估计精度。另外,电池的欧姆内阻可以表征电池的健康状态(stateofhealth,SOH),因此还可以根据电池的欧姆内阻估计出电池的SOH。在设定工况下对电池做充放电实验,实验分析表明,与UKF相比,AUKF提高了电池SOC估计的精度,并能准确的估计出电池的欧姆内阻。
%K 荷电状态
%K 健康状态
%K 自适应无迹卡尔曼滤波器
%K 电动汽车
%K 锂离子动力电池
%U http://www.pcsee.org/CN/abstract/abstract26486.shtml