文档名：基于自适应拓展卡尔曼滤波的锂电池荷电状态估计
摘要：荷电状态(StateofCharge,SOC)是评价电池性能的重要指标.准确估计SOC,对于最大化电池容量和性能至关重要.目前,测量SOC的方法较多,同时也较为成熟,但是寻求更为有效与准确的估测方法还存在研究探索空间.提出了一种SOC估计方法,将带有遗忘因子的递归最小二乘(FFRLS)参数识别算法与基于自适应扩展卡尔曼滤波器(AEKF)的在线SOC估计方法相结合.基于二阶RC等效电路模型,采用FFRLS算法实时识别电池参数.利用识别出的参数,AEKF算法动态调整系统噪声参数,以获得更精确的SOC估计结果.所提出的SOC估计方法通过HPPC和UDDS工况验证,得出算法误差约为2%,证明了所提出方法的准确性和鲁棒性.
Abstract：StateofCharge(SOC)isacrucialindicatorforevaluatingbatteryperformance.AccurateestimationofSOCisessentialformaximizingbatterycapacityandperformance.Currently,therearemanymethodsformeasuringSOC,andtheyarealsorelativelymature.However,thereisstillroomforresearchandexplorationtoseekmoreeffectiveandaccurateestimationmethods.ThisarticleproposesanapproachforSOCestimation,combiningarecursiveleastsquares(FFRLS)parameteridentificationalgorithmwithaforgettingfactorandanonlineSOCestimationmethodbasedonadaptiveextendedKalmanfilter(AEKF).TheFFRLSalgorithmisemployedtoidentifybatteryparametersinreal-time,basedonthesecond-orderRCequivalentcircuitmodel.Usingtheidentifiedparameters,theAEKFalgorithmdynamicallyadjuststhesystemnoiseparameterstoachievemorepreciseSOCestimationresults.TheproposedSOCestimationmethodisvalidatedthroughverificationunderHPPCandUDDSoperatingconditions,withanalgorithmerrorofapproximately2%,provingtheaccuracyandrobustnessoftheproposedmethod.
作者：周军 陈雨墨 王岩 Author：ZHOUJun CHENYumo WANGYan
作者单位：东北电力大学电气工程学院,吉林吉林132000国网吉林省电力公司吉林供电公司,吉林吉林132000
刊名：电气应用
Journal：ElectrotechnicalApplication
年，卷(期)：2023, 42(12)
分类号：
关键词：锂电池 SOC 参数辨识 拓展卡尔曼滤波
Keywords：lithiumbattery SOC parameteridentification extendedKalmanfilter
机标分类号：TM912U469.72U665
在线出版日期：2024年1月10日
基金项目：吉林省科技发展计划项目基于自适应拓展卡尔曼滤波的锂电池荷电状态估计[
期刊论文] 电气应用--2023, 42(12)周军 陈雨墨 王岩荷电状态(StateofCharge,SOC)是评价电池性能的重要指标.准确估计SOC,对于最大化电池容量和性能至关重要.目前,测量SOC的方法较多,同时也较为成熟,但是寻求更为有效与准确的估测方法还存在研究探索空间.提出了一种SOC...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
基于自适应拓展卡尔曼滤波的锂电池荷电状态估计 SOC estimation for lithium battery based on adaptive extended Kalman filter
基于自适应拓展卡尔曼滤波的锂电池荷电状态估计.pdf
- 文件大小:
- 3.32 MB
- 下载次数:
- 60
-
高速下载
|
|
