典型文献
基于Sage-Husa EKF算法的锂离子电池能量状态估计
文献摘要：
为充分利用电池内存储的能量,防止过放电和过充电,需要精准地估计电池的能量状态(SOE),通常SOE定义为剩余能量与标准额定能量的比值.现有的SOE估计算法尚未充分考虑温度、工况等的影响,导致估计结果精确度较低,为准确估计电池的能量状态,本工作提出了基于Sage-Husa自适应扩展卡尔曼滤波(S-H EKF)算法的锂离子电池能量状态估计方法,并与传统的基于扩展卡尔曼滤波(EKF)的SOE估计算法精度进行对比分析.首先,分析了温度对电池能量特性的影响,获取不同温度下电池的标准能量.之后,建立考虑参数值随温度和SOE值变化的二阶RC等效电路模型,结合混合脉冲功率特性实验,使用最小二乘法进行模型参数辨识,并对模型精度进行验证,验证结果表明模型能够较好地仿真电池的端电压,具有较高精度.最后,使用S-H EKF和EKF对动态工况和间歇大倍率充电工况进行SOE估计,对比结果表明:以绝对误差均值为对比标准,S-H EKF的估计精度相比EKF高20.72％,SOE估计的最大绝对误差小于3％,更加适用于锂离子电池的能量估计.
文献关键词：
锂离子电池;能量状态;等效电路模型;扩展卡尔曼滤波;Sage-Husa自适应扩展卡尔曼滤波
中图分类号：
作者姓名：
李晓涵;孙磊;马勇;郭东亮;肖鹏;刘建军;吴鹏;张志行;韩雪冰
作者机构：
国网江苏省电力有限公司电力科学研究院,江苏 南京 211103;清华大学车辆与运载学院,北京 100084
文献出处：
引用格式：
[1]李晓涵;孙磊;马勇;郭东亮;肖鹏;刘建军;吴鹏;张志行;韩雪冰-.基于Sage-Husa EKF算法的锂离子电池能量状态估计)[J].储能科学与技术,2022(11):3603-3612
A类：
B类：
Sage,Husa,EKF,锂离子电池,能量状态,状态估计,池内,过放电,过充电,SOE,剩余能量,额定,定能,估计算法,自适应扩展卡尔曼滤波,估计方法,能量特性,准能,参数值,RC,等效电路模型,脉冲功率,功率特性,模型参数辨识,模型精度,端电压,动态工况,倍率充电,绝对误差,误差均值,估计精度,能量估计
AB值：
0.246921
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
