view in publisher's site

A switched SDRE filter for state of charge estimation of lithium-ion batteries

Highlights•A practical solution to precisely estimate the SOC of Li-ion batteries.•A new method to tackle the model uncertainty problem and obtain a robust performance.•The proposed approach is effectively applicable to other estimation issues.•Ease of implementation is similar to the commonly employed Kalman filter.AbstractLithium-ion (Li-ion) batteries need very precise monitor of the state of charge (SOC) to ensure a long cycle life. Hence, a knowledge of the SOC is important for Li-ion batteries. Although SOC cannot be measured directly, it can be estimated from direct measurement variables based on a model of the battery. Single-Particle-Model (SPM), a reduced-order nonlinear electrochemical model, is commonly used for this purpose. State-dependent-Riccati-equation (SDRE) filter is chosen as the estimator due to its high-flexibility in handling the model’s nonlinearity. However, performance of this filter is limited in presence of uncertainties. To tackle this problem, in this paper, a switching concept is induced into SDRE filter, in the form of switched estimation error covariance matrix with a certain frequency. Thus, by changing the Riccati equation dynamic in SDRE filter and proper adjustment of estimation error covariance matrix eigenvalues, performance and robustness of the common SDRE filter is significantly improved for Li-ion SOC estimation. To analyze the fidelity of such a filter in further applications, stability analysis is carried out on a class of nonlinear systems, and ultimate bound of estimation error is analytically obtained, and the influence of switching is investigated. Simulation results reveal effectiveness of the proposed filter compared to common SDRE filter, extended Kalman filter and variable structure approaches. Furthermore, experimental results verify the effectiveness of the proposed method in practice.

یک فیلتر sdre switched برای تخمین شارژ باتری‌های لیتیوم - یونی

نکات مهم: یک راه‌حل عملی که به طور دقیق (SOC)را به طور دقیق تخمین می‌زند (SOC)باتری‌های لیتیوم یونی است. یک روش جدید برای رفع مشکل عدم قطعیت مدل و دستیابی به عملکرد قوی. رویکرد پیشنهادی به طور موثر برای مسایل تخمین دیگر قابل‌اجرا است. سهولت اجرا شبیه به باتری‌های استفاده‌شده Kalman filter.Abst ractLithium - یونی (Li - ion است که به نظارت دقیق وضعیت شارژ (SOC)نیاز دارند تا از یک چرخه عمر طولانی اطمینان حاصل شود. از این رو، دانش سازمان (SOC)برای باتری‌های لیتیوم - یونی مهم است. اگر چه SOC نمی‌تواند به طور مستقیم اندازه‌گیری شود، می‌تواند از متغیرهای اندازه‌گیری مستقیم براساس مدل باتری تخمین زده شود. مدل تک ذره (SPM)، یک مدل الکتروشیمیایی غیر خطی کاهنده استاندارد، معمولا برای این منظور استفاده می‌شود. فیلتر معادله حالت وابسته به حالت (sdre)به عنوان برآوردگر با توجه به انعطاف‌پذیری بالای آن در کنترل غیر خطی بودن مدل انتخاب شده‌است. با این حال، عملکرد این فیلتر در حضور uncertainties محدود است. برای مقابله با این مشکل، در این مقاله، یک مفهوم سوییچینگ به فیلتر sdre، به شکل ماتریس کواریانس خطای تخمین با فرکانس مشخص القا می‌شود. از این رو، با تغییر دینامیک معادله Riccati در فیلتر sdre و تنظیم صحیح مقادیر ویژه ماتریس کوواریانس خطای تخمین، عملکرد و نیرومندی فیلتر sdre مشترک به طور قابل‌توجهی برای برآورد SOC - یونی بهبود می‌یابد. برای تجزیه و تحلیل صحت این فیلتر در کاربردهای بیشتر، تحلیل پایداری بر روی یک کلاس از سیستم‌های غیرخطی انجام می‌شود، و محدودیت نهایی خطای تخمین به صورت تحلیلی بدست می‌آید و نفوذ سوییچینگ مورد بررسی قرار می‌گیرد. نتایج شبیه‌سازی کارایی فیلتر پیشنهادی را در مقایسه با فیلتر sdre معمولی، فیلتر کالمن توسعه‌یافته و رویکردهای ساختاری متغیر نشان می‌دهد. علاوه بر این، نتایج تجربی اثربخشی روش پیشنهادی را در عمل تایید می‌کند.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.