基于二阶AEKF算法的LiFePO_(4)电池能量状态估计OA
磷酸铁锂电池因其高安全性和长寿命被广泛应用于电动汽车等领域,但其能量状态(SOE)的准确估计仍是技术难点。因此,采用二阶自适应扩展卡尔曼滤波算法对磷酸铁锂电池的SOE进行估计。该算法结合了二阶泰勒展开与自适应机制,通过实时调整系统噪声和测量噪声的统计特性,有效应对了电池模型不确定性及工况变化带来的干扰,提高了估计精度。实验结果表明,在不同温度和充放电条件下,该算法能够准确跟踪电池SOE变化,估计误差始终保持在3%以内,显著优于传统方法。该研究为磷酸铁锂电池的精确管理和高效利用提供了有力支持,有助于提升电动汽车的续航里程预测准确性和电池系统的整体性能。
刘贯科;刘洋;尹照新;易斌;黄远胜;秦啸天
广东电网有限责任公司东莞供电局,广东东莞523000广东电网有限责任公司东莞供电局,广东东莞523000广东电网有限责任公司东莞供电局,广东东莞523000广东新型储能国家研究院有限公司,广东广州510000广东电网有限责任公司东莞供电局,广东东莞523000广东新型储能国家研究院有限公司,广东广州510000
信息技术与安全科学
LiFePO_(4)电池能量状态二阶自适应扩展Kalman滤波算法
《电源技术》 2026 (7)
P.1301-1308,8
南方电网科技项目[031900KC24040028(GDKJXM20240438)]。
评论