文献类型：期刊文章

作　　者：聂文亮[1] 谭伟杰[2] 邱刚[1] 李春莉[1] 聂祥飞[1]

NIE Wenliang;TAN Weijie;QIU Gang;LI Chunli;NIE Xiangfei(School of Electronic and Information Engineering,Chongqing Three Gorges University,Wanzhou District,Chongqing 404000,China;School of Marine Science and Technology,Northwestern Polytechnical University,Xi＇an 710072,Shaanxi Province,China)

机构地区：[1]重庆三峡学院电子与信息工程学院,重庆市万州区404000 [2]西北工业大学航海学院,陕西省西安市710072

出　　处：《中国电机工程学报》

基　　金：国家重点研究发展计划项目(2017YFC0804704);重庆高校创新团队建设计划资助项目(CXTDX201601034);重庆市教育委员会科学技术研究项目资助项目(KJ1601022)~~

年　　份：2018

卷　　号：38

期　　号：18

起止页码：5415-5424

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：准确估计锂电池荷电状态（state-of-charge,So C）是电源管理系统的核心技术问题之一。针对锂离子电池等效电路模型参数难以获取这一关键问题,该文采用自回归各态历经（autoregressive exogenous,ARX）模型建立锂电池等效模型,由基于赤池信息量准则的遗传算法确定ARX模型的阶数,采用递推最小二乘法获取模型系数;然后利用得到的模型系数和锂电池状态方程构造自适应卡尔曼滤波（adaptive Kalman filter,AKF）算法所需方程,再由卡尔曼迭代方程求出锂电池SoC,文中将这种估计锂电池SoC的方法称为ARX-AKF算法。最后,通过多组对比实验,验证了该算法的有效性和准确性。实验结果表明：在混合动力脉冲能力特性实验和美国城市循环工况下,采用该算法的锂电池SoC估计误差分别在0.5%和0.8%以内,从而证实了该算法具有一定的工程应用价值。

关 键 词：锂离子电池 荷电状态 自回归各态历经模型  自适应卡尔曼滤波算法  遗传算法

分 类 号：TM912]