期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于FFMILS-MIUKF算法的锂电池SOC估计
被引量:
4
1
作者
邢丽坤
詹明睿
+2 位作者
郭敏
伍龙
仇伟文
《电子测量技术》
北大核心
2022年第16期53-60,共8页
准确估计SOC在防止锂电池过度充放电、提高锂电池能量利用率以及保障电池管理系统安全稳定运行方面具有重要意义。本文以三元锂电池为研究对象,提出一种基于多新息辨识理论的SOC估计方法,通过建立二阶RC等效电路模型,采用遗忘因子多新...
准确估计SOC在防止锂电池过度充放电、提高锂电池能量利用率以及保障电池管理系统安全稳定运行方面具有重要意义。本文以三元锂电池为研究对象,提出一种基于多新息辨识理论的SOC估计方法,通过建立二阶RC等效电路模型,采用遗忘因子多新息最小二乘法(FFMILS)对模型参数进行在线辨识,结合多新息无迹卡尔曼滤波(MIUKF)算法估计锂电池的SOC,通过UDDS实验验证,并和EKF、UKF及MIUKF算法进行对比,实验结果表明,FFMILS-MIUKF算法估计锂电池SOC的误差控制在1.08%左右,其具有高精确性和快速收敛性。
展开更多
关键词
锂电池
多新息辨识理论
遗忘因子最小二乘法
无迹卡尔曼滤波
下载PDF
职称材料
多时间尺度下锂电池在线参数辨识及SOC估计
被引量:
1
2
作者
邢丽坤
郭敏
+2 位作者
张梦龙
詹明睿
凌六一
《安徽理工大学学报(自然科学版)》
CAS
2021年第5期1-7,共7页
为了解决锂电池内部参数时变性和SOC估计不准确等问题,提出了一种电池模型参数在线辨识与SOC联合估计算法。在二阶RC等效电路模型基础上该联合算法于宏观时间尺度下采用无迹卡尔曼滤波算法在线辨识电池模型参数,并联合微观时间尺度下的...
为了解决锂电池内部参数时变性和SOC估计不准确等问题,提出了一种电池模型参数在线辨识与SOC联合估计算法。在二阶RC等效电路模型基础上该联合算法于宏观时间尺度下采用无迹卡尔曼滤波算法在线辨识电池模型参数,并联合微观时间尺度下的扩展卡尔曼滤波算法估计锂电池SOC,在UDDS工况下验证了该联合算法对锂电池SOC的准确实时估算。实验结果表明,传统离线参数辨识下的锂电池SOC估计算法的平均绝对误差和均方根误差分别为1.52%和1.80%,在线参数辨识下的锂电池SOC估计算法的平均绝对误差和均方根误差分别降低到0.90%和1.12%,EKF-UKF联合算法提高了SOC估算的精确性和鲁棒性。
展开更多
关键词
荷电状态
多时间尺度
在线参数辨识
联合算法
下载PDF
职称材料
题名
基于FFMILS-MIUKF算法的锂电池SOC估计
被引量:
4
1
作者
邢丽坤
詹明睿
郭敏
伍龙
仇伟文
机构
安徽理工大学电气与信息工程学院
淮南师范学院机械与电气工程学院
出处
《电子测量技术》
北大核心
2022年第16期53-60,共8页
基金
安徽省高校自然科学基金重点项目(KJ2019A0106)
淮南市2021年重点研究与开发计划项目(2021A249)资助。
文摘
准确估计SOC在防止锂电池过度充放电、提高锂电池能量利用率以及保障电池管理系统安全稳定运行方面具有重要意义。本文以三元锂电池为研究对象,提出一种基于多新息辨识理论的SOC估计方法,通过建立二阶RC等效电路模型,采用遗忘因子多新息最小二乘法(FFMILS)对模型参数进行在线辨识,结合多新息无迹卡尔曼滤波(MIUKF)算法估计锂电池的SOC,通过UDDS实验验证,并和EKF、UKF及MIUKF算法进行对比,实验结果表明,FFMILS-MIUKF算法估计锂电池SOC的误差控制在1.08%左右,其具有高精确性和快速收敛性。
关键词
锂电池
多新息辨识理论
遗忘因子最小二乘法
无迹卡尔曼滤波
Keywords
the lithium battery
multi-innovation identification method
forgetting factor least square method
unscented Kalman filter
分类号
TM912 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
多时间尺度下锂电池在线参数辨识及SOC估计
被引量:
1
2
作者
邢丽坤
郭敏
张梦龙
詹明睿
凌六一
机构
安徽理工大学电气与信息工程学院
安徽理工大学人工智能学院
出处
《安徽理工大学学报(自然科学版)》
CAS
2021年第5期1-7,共7页
基金
安徽省高校自然科学基金资助项目(KJ2019A0106)。
文摘
为了解决锂电池内部参数时变性和SOC估计不准确等问题,提出了一种电池模型参数在线辨识与SOC联合估计算法。在二阶RC等效电路模型基础上该联合算法于宏观时间尺度下采用无迹卡尔曼滤波算法在线辨识电池模型参数,并联合微观时间尺度下的扩展卡尔曼滤波算法估计锂电池SOC,在UDDS工况下验证了该联合算法对锂电池SOC的准确实时估算。实验结果表明,传统离线参数辨识下的锂电池SOC估计算法的平均绝对误差和均方根误差分别为1.52%和1.80%,在线参数辨识下的锂电池SOC估计算法的平均绝对误差和均方根误差分别降低到0.90%和1.12%,EKF-UKF联合算法提高了SOC估算的精确性和鲁棒性。
关键词
荷电状态
多时间尺度
在线参数辨识
联合算法
Keywords
State of Charge
multi-time scale
online parameter identification
a joint algorithm
分类号
TM912 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于FFMILS-MIUKF算法的锂电池SOC估计
邢丽坤
詹明睿
郭敏
伍龙
仇伟文
《电子测量技术》
北大核心
2022
4
下载PDF
职称材料
2
多时间尺度下锂电池在线参数辨识及SOC估计
邢丽坤
郭敏
张梦龙
詹明睿
凌六一
《安徽理工大学学报(自然科学版)》
CAS
2021
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部