一种利用卡尔曼滤波预估电池荷电状态的方法

摘要

一种利用卡尔曼滤波预估电池荷电状态(SOC,State of Charge)的方法，其技术要点是，锂电池组SOC采用扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)进行估算，建立锂电池组的V_min状态空间模型，电池组内单体电池负载电压的最小值V_min和电池组的SOC分别作为模型的观测变量和状态变量。所述的卡尔曼滤波器采用扩展卡尔曼滤波器，用安时积分法递推SOC，代入观测方程得到V_min的估计值，计算每一步的Kalman增益，由状态估计观测更新方程得到SOC的最优估计。所述的动力电池SOC预估方法克服了安时积分法电流误差累积的缺点，实现了对状态变量SOC的闭环估计。由于在计算过程中考虑了噪声的影响，所以算法对噪声有很强的抑制作用。

主权项

一种利用卡尔曼滤波预估电池荷电状态的方法，它包括有电池包，其特征在于：电池包的输出端分别与高压采集单元和电流采集单元相连接；所述高压采集单元与卡尔曼预估单元内的输出方程相连接，所述电流采集单元与卡尔曼预估单元内的状态方程相连接；所述输出方程和状态方程的输出端与SOC计算单元相连接；所述SOC计算单元输出端则与车载仪表中的SOC显示单元相连接。