一种利用卡尔曼滤波预估电池荷电状态(SOC, State?of?Charge)的方法,其技术要点是,
锂电池组SOC采用扩展卡尔曼滤波算法(Extended?Kalman?Filter, EKF)进行估算,建立锂电池组的Vmin状态空间模型,电池组内单体电池负载电压的最小值Vmin和电池组的SOC分别作为模型的观测变量和状态变量。所述的卡尔曼滤波器采用扩展卡尔曼滤波器,用安时积分法递推SOC,代入观测方程得到Vmin的估计值,计算每一步的Kalman增益,由状态估计观测更新方程得到SOC的最优估计。所述的
动力电池SOC预估方法克服了安时积分法电流误差累积的缺点,实现了对状态变量SOC的闭环估计。由于在计算过程中考虑了噪声的影响,所以算法对噪声有很强的抑制作用。
声明:
“利用卡尔曼滤波预估电池荷电状态的方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)