高级电池管理系统设计用于E-Bikes应用程序的SOC / SOH估计

在这项工作中，提出并比较了电池管理系统的充电状态（SOC）和健康状态（SOH）估计算法。这些算法是在专为轻型电动车辆（电动滑板车或自行车）应用的电池组上开发的。设计先进的电池管理系统是为了评估电池中可用的瞬时电荷，并同时监控缓慢变化的电池老化参数。提出了两个SOC估计算法：扩展的卡尔曼滤波器（EKF）和自适应扩展卡尔曼滤波器（AEKF）。通过Kalman滤波器的自适应版本，使用来自在线创新分析的信息，自适应地设置模型噪声协方差的适当值。在本文的第二部分中，提出了一种基于最小二乘估计的新估计算法来估计电池SOH。讨论了SOC / SOH的组合评估的一般框架。