文档名：基于改进EKF算法的锂离子电池SOC在线估计
摘要：锂离子电池因其能量密度高、自放电率低、污染小等优势,已经在储能电站领域得到广泛应用.针对锂离子电池各项状态预测,首先搭建二阶RC等效电路模型,然后采用带遗忘因子的递推最小二乘法(FFRLS)对模型参数进行辨识,提出一种基于自适应扩展卡尔曼滤波(AEKF)算法的SOC-SOH联合估计方法.在不同电池工况下进行对比验证,结果表明,与扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)相比,所提方法预测SOC和SOH的精确度和计算效率均有所提高,具有一定的实用价值.
Abstract：Lithium-ionbatterieshavebeenwidelyusedinthefieldofenergystoragepowerstationsduetotheirhighenergydensity,lowself-dischargerateandlowpollution.Tosolvetheaccuratepredictionofvariousstatesoflithium-ionbatteries,asecond-orderRCequivalentcircuitmodelisfirstbuilt,andthentheparametersofthemodelareidentifiedbyusingtheforgettingfactorrecursiveleastsquares(FFRLS)method.AjointSOC-SOHestimationmethodbasedonadaptiveextendedKalmanfiltering(AEKF)algorithmisproposed,andthemethodiscomparedandverifiedunderdifferentbatteryconditions.ExperimentalresultsshowthatcomparedwiththeextendedKalmanfilter(EKF)andtheunscentedKalmanfilter(UKF),theproposedmethodcanimprovetheaccuracyandcomputationalefficiencyofSOCandSOHprediction,andhascertainpracticalvalue.
作者：崔晓丹 吴家龙 邓馗 王彦品 冯佳期 李亚杰Author：CUIXiaodan WUJialong DENGKui WANGYanpin FENGJiaqi LIYajie
作者单位：国电南瑞科技股份有限公司,江苏南京211106
刊名：电器与能效管理技术
Journal：LowVoltageApparatus
年，卷(期)：2024, (6)
分类号：TM912
关键词：锂离子电池 二阶RC模型 参数辨识 SOH估计 SOC估计 AEKF算法
Keywords：lithiumbattery second-orderRCmodel parameteridentification SOHestimation SOCestimation AEKFalgorithm
机标分类号：TM92TP273TN86-34
在线出版日期：2024年7月19日
基金项目：国网南瑞科技股份有限公司科技项目基于改进EKF算法的锂离子电池SOC在线估计[
期刊论文] 电器与能效管理技术--2024, (6)崔晓丹 吴家龙 邓馗 王彦品 冯佳期 李亚杰锂离子电池因其能量密度高、自放电率低、污染小等优势,已经在储能电站领域得到广泛应用.针对锂离子电池各项状态预测,首先搭建二阶RC等效电路模型,然后采用带遗忘因子的递推最小二乘法(FFRLS)对模型参数进行辨识,提出一种...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
基于改进EKF算法的锂离子电池SOC在线估计 Online State of Charge Estimation of Lithium-ion Battery Based on Improved Extended Kalman Filter Algorithm
基于改进EKF算法的锂离子电池SOC在线估计.pdf
- 文件大小:
- 2.27 MB
- 下载次数:
- 60
-
高速下载
|
