✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
汽车作为日常生活不可或缺的交通工具,正在以一个爆炸式的发展趋势步入千家万户,随之而来的能源危机和环境污染的问题也日益突显,电动汽车因为零排放的优势获得了全世界各国及汽车公司的重视。电池管理系统的研究是电动车发展的关键技术之一,而SOC的准确估计又是电池管理系统运行的基本要素和重要前提,因此soc估算的研究至关重要。文章首先介绍了国内外电动汽车的发展状况,通过对于各类电池的比较,指出了磷酸铁锂电池是电动汽车用动力电池的一个理想选择;为了更好的了解磷酸铁锂电池的性能,首先对SOC的定义进行了描述,然后分析了磷酸铁锂电池的相关性能,并研究了电池放电倍率,电池温度,循环次数对电池性能的影响。本文基于卡尔曼滤波实现电池动态soc估算。
⛄ 部分代码
clear
clc
close all
%% Simulated time-varying MVAR model
% Reference of the simulated model:
% [1] M. Winterhalder, B. Schelter, W. Hesse et al., 揅omparison of linear
% signal processing techniques to infer directed interactions in multivariate
% neural systems,� Signal Processing, vol. 85, no. 11, pp. 2137-2160, 2005.
% ---------> Example 4 (pp. 13-14)
L = 5000; % Number of time points
CH = 3; % Number of channels
y = zeros(CH,L); % Simulated data: output of the time-varying MVAR model
p = 2; % Model order
%% Define time-varying MVAR parameters
bb = sinc(linspace(pi/2+pi/4,5*pi,L));
b = (.8*(bb-min(bb))/(max(bb)-min(bb)))-.2; % Parameter 'b': time-varying influence of channel 2 on channel 1
c = zeros(1,L); % Parameter 'c': time-varying influence of channel 3 on channel 1
%% Simulate the model
for n = p+1 : L
if(n<=L/2)
c(n) = (n/(L/2));
else
c(n) = (L-n)/(L/2);
end
y(1,n) = 0.59*y(1,n-1) - 0.2*y(1,n-2) + b(n)*y(2,n-1) + c(n)*y(3,n-1) + randn;
y(2,n) = 1.58*y(2,n-1) - 0.96*y(2,n-2) + randn;
y(3,n) = 0.6*y(3,n-1) - 0.91*y(3,n-2) + randn;
end
%% Time-varying MVAR parameter estimation using Dual Extended Kalman Filter (DEKF)
A = DEKF(y,p); % Estimated time-varying parameters, A = [A1 A2 ... Ar]
%% Plot parameters
figure, hold on, grid on
plot(squeeze(A(1,2,:)),'k','linewidth',2), plot(b,'r','linewidth',2)
plot(squeeze(A(1,3,:)),'b','linewidth',2), plot(c,'g','linewidth',2)
legend('Estimated b','b','Estimated c','c')
xlabel('Time (sample)','fontsize',14,'fontweight','bold')
ylabel('MVAR parameters','fontsize',14,'fontweight','bold')
set(gca,'fontsize',14,'fontweight','bold')
⛄ 运行结果
⛄ 参考文献
[1] 毛华夫, 万国春, 汪镭,等. 基于卡尔曼滤波修正算法的电池SOC估算[J]. 电源技术, 2014, 38(2):5.
[2] 董超, 尚鸿, 杜明星. 基于扩展卡尔曼滤波法的锂离子电池SOC估算[J]. 制造业自动化, 2014, 000(011):21-23.
[3] 安志胜, 孙志毅, 何秋生. 基于模糊卡尔曼滤波的锂电池SOC估算方法[J]. 火力与指挥控制, 2014, 000(004):137-140.
[4] 赵斌, 李昊. 基于卡尔曼滤波的锂电池SOC估算影响因素研究[J]. 河南机电高等专科学校学报, 2022(001):030.
