← 返回
基于硬件在环验证的锂离子电池组荷电状态与能量状态估计算法
Lithium-Ion Battery Pack State of Charge and State of Energy Estimation Algorithms Using a Hardware-in-the-Loop Validation
| 作者 | Yongzhi Zhang · Rui Xiong · Hongwen He · Weixiang Shen |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2017年6月 |
| 技术分类 | 储能系统技术 |
| 技术标签 | 储能系统 电池管理系统BMS 储能变流器PCS 储能系统 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 锂离子电池 荷电状态 (SOC) 能量状态 (SOE) H无穷滤波器 协方差匹配 递推最小二乘法 硬件在环 (HIL) |
语言:
中文摘要
本文提出了一种自适应H无穷滤波方法，用于估计锂离子电池组的荷电状态（SOC）和能量状态（SOE）。该方法利用协方差匹配技术自适应更新系统和观测噪声协方差，并结合递归最小二乘法实时辨识电池模型参数，并通过硬件在环（HIL）实验验证了其有效性。
English Abstract
An adaptive H infinity filter approach is proposed to estimate the multistates including state of charge (SOC) and state of energy (SOE) for a lithium-ion battery pack. In the proposed approach, the covariance matching technique is used to adaptively update the covariance of system and observation noises and the recursive least square method is used to identify the battery model parameters in real...
S
SunView 深度解读
该研究直接服务于阳光电源的储能业务核心竞争力。精确的SOC/SOE估计是PowerTitan和PowerStack等大型储能系统安全运行与高效调度的基石。自适应滤波算法能有效应对电池老化及复杂工况下的参数漂移，提升BMS的估算精度，从而优化电池组的一致性管理，延长系统寿命。建议将该算法集成至iSolarCloud智能运维平台，通过云端大数据与本地BMS协同，提升对电网侧及工商业储能电站的精细化管理能力，降低运维成本。