文献类型：期刊文章

作　　者：于海波[1] 李贺龙[1] 卢扬[2] 王兴媛[1]

YU Hai-bo;II He-long;LU Yang;WANG Xing-yuan(China Electric Power Research Institute,Beijing 100192,China)

机构地区：[1]中国电力科学研究院,计量研究所,北京100192 [2]国网吉林省电力有限公司白山供电公司,运营监测(控)中心,吉林长春130000

出　　处：《电力电子技术》

年　　份：2018

卷　　号：52

期　　号：12

起止页码：57-60

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：动力电池荷电状态(SOC)估计是动力电池管理系统(BMS)中的关键技术和难点。近年来,基于模型的扩展卡尔曼滤波法(EKF)和H_∞滤波法(HIFF)因具有更好的估计性能备受关注。首先选取了常用的Thevenin模型,改进了常用带遗忘因子的递推最小二乘(RLS)参数辨识方法,提出了偏差补偿递推最小二乘法(BCRLS),对数据的有色噪声有很好的抑制作用。然后设计了一种混合EKF/HIFF算法,该算法综合两种算法的优点,拥有更高的精度和更强的鲁棒性,实现了参数和状态的联合估计,有效提高了实车应用的可能。最后利用电池工况试验验证了算法可靠性。

关 键 词：电池:荷电状态  动力电池管理系统  

分 类 号：TM911]