期刊专题

10.3969/j.issn.1002-087X.2022.05.017

基于AEKF滤波与H∞滤波的锂离子电池SOC联合估计

引用
锂电池荷电状态(SOC)的准确估计对提高电池的动态性能和能量利用率至关重要.针对现有卡尔曼滤波SOC估计方法存在估计精度低、鲁棒性差等问题,采用锂离子电池的二阶电阻-电容等效电路模型,通过HPPC循环脉冲实验和动态应力测试工况放电实验,结合带可变遗忘因子的递推最小二乘法(VFFRLS)及开窗理论,对等效电路模型参数进行在线辨识,提出利用自适应扩展卡尔曼滤波(AEKF)算法和H∞滤波算法联合估计SOC的方法.结果表明:与AEKF算法相比,在DST工况下该算法可以使电池荷电状态估计的最大绝对误差减小3.9029%,平均绝对误差减小0.9622%,均方根误差减小0.5515%.与H∞滤波算法相比,在DST工况下该算法可以使电池荷电状态估计最大绝对误差减小1.309%,平均绝对误差减小2.8934%,均方根误差减小2.6136%.

锂离子电池、荷电状态、参数在线辨识、H无穷滤波、自适应扩展卡尔曼滤波

46

TM912

湖南省自然科学基金省市联合项目14JJ5014

2022-06-15(万方平台首次上网日期,不代表论文的发表时间)

共5页

536-540

暂无封面信息
查看本期封面目录

电源技术

1002-087X

12-1126/TM

46

2022,46(5)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn