Reliable state of charge estimation of battery packs using fuzzy adaptive federated filtering
Keywords
Battery pack;SOC estimation;Inconsistency;Federated filter;Fault tolerance
introduction
常見SOC估計方法可分為三類
1.基於測量值的直接計算方法
2.基於模型的方法
3.數據驅動的方法
1.安培小時計數法
2.開路電壓(OCV)法
被廣泛使用
缺點:其精度隨著初始誤差的增加而降低,並且在老化后急劇下降
曲線隨容量,溫度等而變化。因此,在實際長期使用中很難滿足精度要求。
串聯電池組的等效電路模型
大電池模型(BCM)
多單元模型(MCM)
Vmin+ Vmax模型(VVM)
均值加差模型(MDM)
估算方法
卡爾曼濾波器
蒙特卡羅方法
H∞濾波
基於觀察者的方法
擴展卡爾曼濾波器(EKF)已被廣泛採用
不需要電池組的數學模型
使用大量的訓練數據和先進的人工智慧演算法,如遺傳演算法,神經網路和支援向量機[
有效提高估計精度,具有良好的魯棒性
Soc遇到最大的問題就是會因為時間長度受到誤差的影響越大
因此,有必要開發一種估計方法,以減少單元SOC誤差對融合SOC估計的影響。
本篇提出一種基於模糊自適應聯合濾波(FAFF)的串聯電池組SOC估計方法,將聯合濾波器(FF)與MDM相結合
貢獻
自適應聯合濾波(AFF)應用於串聯電池組的SOC估計。本地濾波器 (LF) 用於估計單元SOC。主濾波器(MF)用於融合電池SOC以獲得電池組SOC。通過根據電池SOC估計精度自適應調整資訊分佈係數,可以大大提高電池組SOC估計的可靠性。
提出一種基於模糊系統(FS)的SOC不一致性自適應方法。以三座標測量機估計的SOC和電池SOC的標準偏差為電池組的分佈特性,構建了模糊規則。自適應計算SOC融合權重,提高了融合估計結果的準確性和不一致性適應性。
通過模擬和實驗,給出了不同初始SOC不一致性下整個SOC範圍內整個充放電過程的SOC估計結果。討論了基於FAFF的電池組SOC估計方法與傳統方法相比的準確性
在LF產生較大測量誤差或電池組具有初始SOC誤差的條件下,驗證了基於FAFF的電池組SOC估計的容錯能力。
本文旨在設計一種優化的電動汽車估算系統,以實現更準確、更可靠的電池組SOC估算,確保能源的有效利用。
建模和參數識別