控制理论与应用

作者：许元武,吴肖龙,陈明渊,蒋建华,邓忠华,付晓薇,李曦

单位：华中科技大学自动化学院图像信息处理与智能控制教育部重点实验室,华中科技大学自动化学院图像信息处理与智能控制教育部重点实验室,华中科技大学自动化学院图像信息处理与智能控制教育部重点实验室,华中科技大学自动化学院图像信息处理与智能控制教育部重点实验室,华中科技大学自动化学院图像信息处理与智能控制教育部重点实验室,武汉科技大学计算机科学与技术学院智能信息处理与实时工业系统湖北省重点实验室

关键词：荷电状态（SOC）, 二阶变参数锂电池模型, TS-EKF联合估计器

基金：其它,省自然科学基金,国家自然科学基金,高校基金

锂电池荷电状态（State of Charge, SOC）观测技术作为电池管理系统（Battery Management System,BMS）的关键技术，在维持电池系统设备安全高效运作、延长电池组整体生命周期等方面均起着不可或缺的作用。本文对锂离子电池荷电状态的观测方法进行了研究，基于二阶变参数锂电池模型，设计了一种有效的改善SOC 观测精度的方法。首先，根据SOC 的定义，建立了安时积分估计（Amper-Hour integral estimator, AH），通过引入二阶变参数锂电池模型建立扩展卡尔曼滤波估计器（Extended Kalman Filter estimator, EKF），然后结合Takagi-Sugeno模糊模型原理，设计Takagi-Sugeno和EKF联合估计器（Takagi-Sugeno and Extended Kalman Filter union estimator, TS-EKF）。最后，在Simulink 仿真平台上验证了SOC 观测方法的准确性和实用性。结果表明，本文所设计的Takagi-Sugeno和EKF联合估计器可以提高SOC观测精度。

来源：2019年第3期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2019年第3期