文档名：基于递归神经网络和粒子滤波的锂电池SOC估计
电池的SOC估计是电池管理系统的最重要的功能之一,是对电动汽车行驶里程的量化评估.由于复杂的电池动态和环境条件,现有的数据驱动电池状态估计技术无法准确估计电池状态.为了克服这个问题,本文通过结合递归神经网络建模和基于粒子滤波的误差消除提出了一种新的SOC估计方法.首先,采用具有长短时间记忆的递归神经网络来学习电池SOC与锂离子电池的可测量变量(例如电流、电压和温度)之间的长期非线性关系.其次,采用粒子滤波对神经网络模型的估计误差进行去噪,来平滑估计结果.本文所提出的方法是无模型的并且能够捕获可测量变量和电池状态之间的长期依赖性.最后,通过在随机工况和不同温度下与传统数据驱动方法比较来验证所提出方法的优越性.
作者：朱亚运田佳强徐瑞龙张陈斌
作者单位：中国科学技术大学,安徽合肥,中国,230026
母体文献：第20届中国系统仿真技术及其应用学术年会(20thCCSSTA2019)论文集
会议名称：第20届中国系统仿真技术及其应用学术年会(20thCCSSTA2019)
会议时间：2019年8月1日
会议地点：合肥
主办单位：中国自动化学会,中国系统仿真学会
语种：chi
分类号：
关键词：锂电池 SOC估计 误差消除 递归神经网络 粒子滤波
在线出版日期：2020年7月21日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.8 MB
- 下载次数:
- 60
-
高速下载
|
|
