论文部分内容阅读
针对锂离子电池内部电化学反应造成其系统状态变量非线性化严重的问题,本文基于锂电池等效电路模型,提出了一种在线实时估计锂电池荷电状态(SOC)的方法——基于改进的粒子群优化双卡尔曼滤波(IPSO-DKF)的锂电池SOC估计方法。该方法进行SOC估计的主要思想是:在使用双卡尔曼滤波算法进行锂电池SOC估计的同时,采用改进的粒子群算法对双卡尔曼滤波算法迭代过程中的系统噪声和观测噪声协方差矩阵进行优化。实验结果表明:本文提出的方法能够提高锂电池SOC实时估计精度。本文直接引用了目前应用较成熟的二阶RC并联网络的锂电池等效电路模型。通过锂电池的放电外特性测试实验,验证了上述等效电路模型的可行性。为了控制温度变量对实验结果的影响,本文所有的锂电池测试实验均在高低温试验箱中进行。为了实现锂电池等效电路模型参数的动态辨识并确保其准确性,本文采用了基于改进的粒子群优化卡尔曼滤波(IPSO-KF)的模型参数动态辨识算法。改进的粒子群算法以锂电池端电压测量值与模型预测值的绝对累计误差值为目标函数,以KF迭代算法中的噪声协方差矩阵为输出,对KF算法进行模型参数动态辨识的迭代过程进行修正。得到了较好的结果并通过恒流放电实验对不同放电倍率、SOC值下的模型参数进行辨识。受上述模型参数辨识方法的启发,得到基于IPSO-DKF的SOC估计方法。该方法使用了两条交替进行的卡尔曼滤波线路:一条采用KF算法进行模型参数估计;另一条使用EKF算法估计锂电池SOC值。并使用改进的粒子群算法优化上述两条线路中的系统噪音和观测噪音协方差矩阵。进行锂电池复杂工况放电实验,分别采用常参数EKF、噪音协方差矩阵恒定的DKF、IPSO-DKF以及放电实验法进行SOC估计。以放电实验法估计结果为参考,得到了基于IPSO-DKF算法进行SOC估计的误差在2%以内,MATLAB完成一次实时SOC估计的计算量为7秒,从而验证了该算法是有效的。