文献类型：期刊文章

作　　者：孙冬[1] 许爽[2] 李超[3] 纪阿芳[4]

SUN Dong;XU Shuang;LI Chao;JI A-fang(Engineering Training Center,Zhengzhou University of Light Industry,Zhengzhou,Henan 450002,China;College of Information Engineering,Zhengzhou Institute of Technology,Zhengzhou,Henan 450044,China;Shandong Snton Optical Material Technology Co.,Ltd.,Dongying,Shandong 257500,China;Qingdao Hiconda Mechanical Electronics Co.,Ltd.,Qingdao,Shandong 266000,China)

机构地区：[1]郑州轻工业学院工程训练中心,河南郑州450002 [2]郑州工程技术学院信息工程学院,河南郑州450044 [3]山东胜通光学材料科技有限公司,山东东营257500 [4]青岛海康达机械电子有限公司,山东青岛266000

出　　处：《电池》

基　　金：郑州轻工业学院博士科研基金资助项目(2017BSJJ070);河南省科技攻关项目(172102210069);河南省高校重点科研项目(18A470018);河南省高校青年骨干教师培养计划(2017GGJS182)

年　　份：2018

卷　　号：48

期　　号：4

起止页码：284-287

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2017_2018、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：对常用锂离子电池荷电状态(SOC)估计方法分类,指出基于电池模型的闭环估计法是研究的热点。着重对比安时积分法、电压法、卡尔曼滤波法、状态观测器法和智能算法,其中卡尔曼滤波法和状态观测器法使用较多,分别从估计精度和算法设计复杂度两方面分析了这些算法的优缺点。给出SOC在线估计的要求:根据应用场合选择适合的电池模型和估计算法,通常要求估计算法具有一定通用性和较好鲁棒性,SOC估计误差小于5%。

关 键 词：锂离子电池 荷电状态(SOC)  估计方法  卡尔曼滤波法 状态观测器法  

分 类 号：TM912.9]