基于强跟踪自适应修正的强鲁棒电动汽车锂离子电池SOC和SOH联合估计

    公开(公告)号:CN115453364A

    公开(公告)日:2022-12-09

    申请号:CN202110639875.6

    申请日:2021-06-09

    IPC分类号: G01R31/367 G01R31/392

    摘要: 本发明涉及一种基于强跟踪自适应修正的强鲁棒电动汽车锂离子电池SOC和SOH联合估计方法,其特征在于通过将渐消因子和自适应滤波器引入扩展卡尔曼中,使系统具有跟踪突变和连续修改噪声统计特性的能力,克服了扩展卡尔曼算法估算精度不高的问题;针对扩展卡尔曼算法不具有跟踪突变的能力及噪声统计特性固定而导致的估算不精确问题,本方法将强跟踪滤波器和自适应滤波器引入扩展卡尔曼中,保证估算值的高精确度;该方法基于等效模型电路,增强观测数据比例,修改以卡尔曼为基础的噪声统计特性,防止可能存在的误差发散以追踪错误,实现锂离子电池SOC和SOH联合估算模型的建立和SOC值及SOH值的数学迭代运算算法的可靠运行。

    一种基于精简粒子无迹变换的SOC估算方法

    公开(公告)号:CN110441691A

    公开(公告)日:2019-11-12

    申请号:CN201810407465.7

    申请日:2018-05-02

    IPC分类号: G01R31/367 G01R31/387

    摘要: 本发明涉及一种基于精简粒子无迹变换的SOC估算方法,属于新能源测控领域;该方法针对锂离子电池组SOC值精确估算目标,通过精简三粒子和双重Sigma化处理过程,实现了SOC值的有效迭代计算;该方法在样本数据序列的权重系数计算基础上,通过进行精简三粒子无迹变换,实现迭代计算过程的精简化处理;该方法在权重系数计算基础上,实现权重系数向量预处理;该方法在过程噪声和观测噪声修正分析的基础上,利用无迹卡尔曼中的第一步和第四步的双重Sigma化处理过程,获得噪声影响的修正计算方法;该方法改进以无迹卡尔曼为基础的迭代计算过程,将精简粒子无迹变换思想具体应用于预测和修改环节,实现SOC值的数学迭代运算,为SOC估算模型构建提供方法参考。

    一种锂离子电池组单体间一致性评价方法

    公开(公告)号:CN110389302A

    公开(公告)日:2019-10-29

    申请号:CN201810328651.1

    申请日:2018-04-13

    IPC分类号: G01R31/396 G01R31/367

    摘要: 本发明涉及一种锂离子电池组单体间一致性评价方法,属于新能源测控领域。该方法针对锂离子电池组单体间一致性评价目标,提出并构建了一种平衡状态(State of Balance,SOB)评价模型,通过单体电压间均值、方差和变异系数的计算,实现了锂离子电池成组工作过程中平衡状态的有效评价;该方法在各单体电压期望值求取基础上,进行标准差求取以表征其波动性;该方法在标准差求取基础上,通过平方运算进行方差值求取以降低计算过程复杂度;该方法在均值和方差值求取基础上,通过变异系数的计算进行不一致程度的归一化表征;该方法在充分考虑锂离子电池成组工作基础上,结合平衡状态SOB评价模型构建,实现对锂离子电池组单体电压间的不一致程度描述。