• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE Power and Energy Society General Meeting >Online battery state-of-charge estimation based on sparse gaussian process regression
【24h】

Online battery state-of-charge estimation based on sparse gaussian process regression

机译：基于稀疏高斯过程回归的在线电池充电状态估计

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents a new online method for state-of charge (SoC) estimation of Lithium-ion (Li-ion) batteries based on sparse Gaussian process regression (GPR). Building upon sparse approximation of the regular GPR, the proposed method is computationally more efficient. The battery SoC is estimated based on measured voltage, current and temperature. The accuracy of the proposed method is verified using LiMn2O4/hard-carbon battery data collected from a constant-current discharge test. In addition, the estimation performance of the proposed method is compared with a SoC estimation method using regular GPR with different covariance functions.
机译：本文提出了一种基于稀疏高斯过程回归（GPR）的锂离子（Li-ion）电池在线状态估计（SoC）新方法。基于规则GPR的稀疏近似，所提出的方法在计算上更加有效。根据测得的电压，电流和温度估算电池SoC。使用从恒流放电测试中收集的LiMn2O4 /硬碳电池数据验证了该方法的准确性。另外，将所提方法的估计性能与使用具有不同协方差函数的常规GPR的SoC估计方法进行了比较。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号