简介:
一种利用共同扩展卡尔曼滤波预估电池荷电状态(State?of?Charge,SOC)的方法,其技术要点是,提出一种电动汽车用锂电池的噪声混合模型,在SOC状态方程的基础上,加上对电流输入噪声的状态描述,对噪声混合模型应用共同扩展卡尔曼滤波(Joint?EKF)算法实现对电动汽车用动力锂电池的SOC及电流噪声的同步估计。所述的卡尔曼滤波器采用共同扩展的卡尔曼滤波器,并采用电池管理系统启动时保存的历史SOC及对应误差的数据,滤波器中采用的电池模型采用噪声混合模型。所述的动力电池SOC预估方法具有方便实时预估SOC,预估精确度高等特点,适用于需要使用动力电池的纯电动车和混合动力电动车。
一种利用共同扩展卡尔曼滤波预估电池荷电状态(State?of?Charge,SOC)的方法,其技术要点是,提出一种电动汽车用
锂电池的噪声混合模型,在SOC状态方程的基础上,加上对电流输入噪声的状态描述,对噪声混合模型应用共同扩展卡尔曼滤波(Joint?EKF)算法实现对电动汽车用动力锂电池的SOC及电流噪声的同步估计。所述的卡尔曼滤波器采用共同扩展的卡尔曼滤波器,并采用电池管理系统启动时保存的历史SOC及对应误差的数据,滤波器中采用的电池模型采用噪声混合模型。所述的
动力电池SOC预估方法具有方便实时预估SOC,预估精确度高等特点,适用于需要使用动力电池的纯电动车和混合动力电动车。