基于无迹卡尔曼粒子滤波算法的动力锂电池SOC估计
动力锂电池荷电状态（SOC，State-of-Charge）直接反映电池的剩余容量，因此也在一定程度上反映电动汽车的可续航里程，是电动汽车电源管理的核心参数。电池循环次数的增加、瞬间大电流、温度等因素将导致电池特性发生变化，使用扩展卡尔曼滤波算法(EKF)对电池荷电状态进行估计时会引入较大的估计误差甚至算法发散。为了能够有效抑制参数扰动和系统非线性，本文基于锂电池组合模型应用无迹卡尔曼粒子滤波算法（UPF，Unscented Kalman Particle Filter）方法实现动力锂电池荷电状态估计。最后根据锂电池放电试验所获得数据进行仿真，结果显示了该算法的优越性。
动力锂电池 荷电状态 锂电池组合模型 滤波算法
何耀 刘兴涛 陈立 张陈斌 陈宗海
中国科学技术大学自动化系，合肥，中国，230027 合肥国轩高科动力能源有限公司，合肥，中国，230011
国内会议
三亚
中文
884-888
2012-08-11（万方平台首次上网日期，不代表论文的发表时间）