基于AEKF的锂离子动力电池荷电状态估计

郝世宇; 殷会飞; 杨茹; 庞宗强

首页> 中文期刊> 《国外电子测量技术》 >基于AEKF的锂离子动力电池荷电状态估计

基于AEKF的锂离子动力电池荷电状态估计

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对目前扩展卡尔曼滤波(EKF)算法易受系统噪声的干扰及模型参数识别误差累计的影响,导致锂离子电池荷电状态(SOC)估计精度不高的问题,提出了一种自适应扩展卡尔曼滤波(AEKF)算法。基于二阶Thevenin等效电路模型,对锂离子电池进行HPPC测试,通过测试数据辨识出电池模型的参数,利用自适应卡尔曼滤波算法建立电池状态估计模型。相比标准EKF,自适应扩展卡尔曼滤波算法通过迭代循环,自动修正误差,改进了电池状态估计模型,将预测精度稳定在1%以内,提高了电池SOC预测模型的稳定性和准确性。

著录项

来源
《国外电子测量技术》 |2021年第9期|49-53|共5页
作者
郝世宇; 殷会飞; 杨茹; 庞宗强;
展开▼
作者单位

南京邮电大学自动化学院、人工智能学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类蓄电池;
关键词
锂离子电池; SOC估计; Thevenin等效电路模型; 扩展卡尔曼滤波; 自适应扩展卡尔曼滤波;

相似文献

中文文献
外文文献
专利

1. 基于BCRLS-AEKF的锂离子电池荷电状态估计及硬件在环验证 [J] . 王志福 ,刘兆健 ,李仁杰 . 北京理工大学学报 . 2020,第3期
2. 基于滑模观测器的锂离子动力电池荷电状态估计 [J] . 何洪文 ,熊瑞 . 吉林大学学报（工学版） . 2011,第3期
3. 基于扩展卡尔曼滤波算法的燃料电池车用锂离子动力电池荷电状态估计 [J] . 戴海峰 ,魏学哲 ,孙泽昌 . 机械工程学报 . 2007,第2期
4. 锂离子动力电池荷电状态联合估计 [J] . 杨云龙 ,徐自强 ,吴孟强 . 科学技术与工程 . 2018,第22期
5. 基于无迹Kalman滤波算法的动力电池荷电状态估计 [J] . 王超 ,陈德海 ,王昱朝 . 汽车安全与节能学报 . 2020,第3期
6. 基于无迹卡尔曼滤波法的大容量锂离子电池系统荷电状态估计研究 [C] . 彭思敏 ,窦真兰 ,沈翠凤 . 中国电机工程学会直流输电与电力电子专委会2015年学术年会 . 2015

基于AEKF的锂离子动力电池荷电状态估计

摘要

著录项

相似文献

相关主题

期刊订阅