文档名：基于FFRLS和ASRUKF滤波算法的锂电池SOC估计
摘要：锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识.针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响.结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98％.在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264％和0.572％,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性.
作者：邓丹 刘胜永 王顺利 刘鹏辉 胡聪 Author：DENGDan LIUShengyong WANGShunli LIUPenghui HUCong
作者单位：广西科技大学自动化学院,广西柳州545006西南科技大学信息工程学院,四川绵阳621010桂林电子科技大学广西自动检测技术与仪器重点实验室,广西桂林541004
刊名：电源技术
Journal：ChineseJournalofPowerSources
年，卷(期)：2024, 48(2)
分类号：TM912.9
关键词：荷电状态 二阶Thevenin模型 遗忘因子递推最小二乘法 自适应平方根无迹卡尔曼滤波算法
Keywords：stateofcharge second-orderTheveninmodel forgettingfactorrecursiveleastsquaremethod adaptivesquarerootunscentedKalmanfilteringalgorithm
机标分类号：TM912TN953U469.72
在线出版日期：2024年3月26日
基金项目：国家自然科学基金，广西自动检测技术与仪器重点实验室基金基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计[
期刊论文] 电源技术--2024, 48(2)邓丹 刘胜永 王顺利 刘鹏辉 胡聪锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识.针对传统卡尔曼滤...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FFRLS和ASR-UKF滤波算法的锂电池SOC估计 Lithium battery SOC estimation based on FFRLS and ASR-UKF filtering algorithm
基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计.pdf
- 文件大小:
- 1.28 MB
- 下载次数:
- 60
-
高速下载
|
