基于联合参数辨识的粒子群优化扩展粒子滤波的锂电池荷电状态估计

文档名：基于联合参数辨识的粒子群优化扩展粒子滤波的锂电池荷电状态估计
摘要：提高参数辨识的精度和SOC算法的精度是提高SOC估计的关键,该文提出了基于联合参数辨识的粒子群优化扩展粒子滤波的荷电状态(SOC)估计方法.在参数辨识阶段,结合遗忘因子递推最小二乘法在线辨识的优势,弥补粒子群辨识精度高但前期缺乏数据无法实时辨识的劣势,联合进行参数辨识;在SOC估计阶段,利用扩展卡尔曼滤波生成重要性密度函数,去克服粒子退化,同时采用粒子群优化算法优化重采样策略改进采样过程缓解粒子贫化.最后在联邦城市运行(FUDS)和US06高速公路运行(US06)工况下将所提算法与F-PF、F-PSO-PF、FPSO-PSO-PF进行了对比,结果表明,在FUDS工况下,方均根误差分别提高了65.4％、56.3％和43.5％;在US06工况下,方均根误差分别提高了45.8％、35.9％和35.1％,验证了所提算法具有较好的适应性和鲁棒性.

作者：贠祥  张鑫  王超  范兴明Author：YunXiang  ZhangXin  WangChao  FanXingming
作者单位：桂林电子科技大学电气工程及其自动化系桂林541004
刊名：电工技术学报
Journal：TransactionsofChinaElectrotechnicalSociety
年，卷(期)：2024, 39(2)
分类号：TM912
关键词：锂电池  粒子群算法  扩展粒子滤波算法  荷电状态  
Keywords：Li-ionbattery  particleswarmoptimizationalgorithm  extendedKalmanparticlefilter  stateofcharge(SOC)  
机标分类号：TM912U469.72U665
在线出版日期：2024年3月8日
基金项目：国家自然科学基金，广西自然科学基金资助项目基于联合参数辨识的粒子群优化扩展粒子滤波的锂电池荷电状态估计[
期刊论文]  电工技术学报--2024, 39(2)贠祥  张鑫  王超  范兴明提高参数辨识的精度和SOC算法的精度是提高SOC估计的关键,该文提出了基于联合参数辨识的粒子群优化扩展粒子滤波的荷电状态(SOC)估计方法.在参数辨识阶段,结合遗忘因子递推最小二乘法在线辨识的优势,弥补粒子群辨识精度...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        基于联合参数辨识的粒子群优化扩展粒子滤波的锂电池荷电状态估计  State of Charge Estimation of Li-Ion Battery Using Particle Swarm Optimization Extended Kalman Particle Filter Based on Joint Parameter Identification

基于联合参数辨识的粒子群优化扩展粒子滤波的锂电池荷电状态估计.pdf

2024-12-14 11:19 上传 基于联合参数辨识的粒子群优化扩展粒子滤波的锂电池荷电状态估计.pdf

文件大小:

2.16 MB

下载次数:

60

高速下载