• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >An Improved Particle Filter Method to Estimate State of Health of Lithium-Ion Battery ?
【24h】

An Improved Particle Filter Method to Estimate State of Health of Lithium-Ion Battery ?

机译：改进的粒子滤波器方法来估计锂离子电池的健康状况

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

摘要

Accurate prediction of the Remaining Useful Life (RUL) of Lithium-ion batteries can ensure the safe and stable operation of electric vehicles (EVs). This paper presents the Multi-scale Extended Kalman Filter (MEKF) to estimate the State of Health (SOH) and the Gauss-Hermite Particle Filter (GHPF) to predict RUL of battery based on the estimated SOH value. First, the Thevenin equivalent circuit model and capacity exchanging model for SOH estimation and capacity degradation model for RUL prediction are built up. Then, the co-estimator of the State of Charge (SOC) and SOH of Lithium-ion battery, named MEKF, is proposed based on the multi-scale theory. Next, based on the output of the SOH estimation, the model parameters in the capacity degradation model are updated by the GHPF method. Finally, the models of Lithium-ion battery are set up in MATLAB to simulate. The simulation results show that the prediction error is less than 5% when using GHPF for RUL prediction.
机译：精确预测锂离子电池的剩余使用寿命（RUL）可以确保电动车辆（EVS）的安全稳定运行。 本文介绍了多尺度扩展卡尔曼滤波器（MEKF），以估计健康状况（SOH）和高斯 - Hermite粒子滤波器（GHPF）以基于估计的SOH值来预测电池的RUL。 首先，建立了SOH估算和RUL预测容量降级模型的临时电路模型和容量交换模型。 然后，基于多尺度理论，提出了名为MEKF的锂离子电池的充电状态（SOC）和SOH的共估算器。 接下来，基于SOH估计的输出，通过GHPF方法更新容量劣化模型中的模型参数。 最后，在MATLAB中建立了锂离子电池的模型以模拟。 仿真结果表明，在使用GHPF进行RUL预测时，预测误差小于5％。

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