针对锂电池荷电状态(State Of Charge,SOC)估计时常用的整数阶等效电路模型无法精准反映电池极化反应和提高在噪声干扰下全生命周期SOC的估计准确度问题,在二阶RC等效电路模型的基础上建立分数阶模型,并采用遗传(GA)算法对其进行参数辨...针对锂电池荷电状态(State Of Charge,SOC)估计时常用的整数阶等效电路模型无法精准反映电池极化反应和提高在噪声干扰下全生命周期SOC的估计准确度问题,在二阶RC等效电路模型的基础上建立分数阶模型,并采用遗传(GA)算法对其进行参数辨识,从而增强参数辨识的鲁棒性。最后在传统的无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的基础上引入了多新息理论,提出了一种基于分数阶多新息无迹卡尔曼滤波(Fractional Order Multi Innovation Unscented Kalman Filtering,FOMIUKF)算法来实现对锂电池SOC的实时估计,最后通过搭建仿真模型验证了基于GA分数阶锂电池等效模型的准确性和可靠性,并进行了基于分数阶无迹卡尔曼滤波(Fractional Order Unscented Kalman Filtering,FOUKF)算法、FOMIUKF算法的锂电池SOC估计对比分析,发现FOMIUKF算法估计准确度更高,其估计误差仅为1%。展开更多
为提升锂电池荷电状态(state of charge,SOC)估计的精度,以二阶RC分数阶模型为研究对象,提出一种由分数阶无迹卡尔曼滤波算法和带可变遗忘因子最小二乘法组成的FOUKF+VFFRLS算法。其中分数阶无迹卡尔曼滤波算法用于锂离子电池荷电状态估...为提升锂电池荷电状态(state of charge,SOC)估计的精度,以二阶RC分数阶模型为研究对象,提出一种由分数阶无迹卡尔曼滤波算法和带可变遗忘因子最小二乘法组成的FOUKF+VFFRLS算法。其中分数阶无迹卡尔曼滤波算法用于锂离子电池荷电状态估计,带可变遗忘因子最小二乘法用于电池参数估计。该算法通过对状态变量和参数变量的递推估算,确保了电池状态和参数的实时更新。基于UDDS工况下的实验数据进行仿真分析,结果表明,该方法较FOUKF等算法具有更高的估计精度,电池SOC最大估计误差可控制在2%以内,验证了所提方法的正确性及有效性。展开更多
文摘针对锂电池荷电状态(State Of Charge,SOC)估计时常用的整数阶等效电路模型无法精准反映电池极化反应和提高在噪声干扰下全生命周期SOC的估计准确度问题,在二阶RC等效电路模型的基础上建立分数阶模型,并采用遗传(GA)算法对其进行参数辨识,从而增强参数辨识的鲁棒性。最后在传统的无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的基础上引入了多新息理论,提出了一种基于分数阶多新息无迹卡尔曼滤波(Fractional Order Multi Innovation Unscented Kalman Filtering,FOMIUKF)算法来实现对锂电池SOC的实时估计,最后通过搭建仿真模型验证了基于GA分数阶锂电池等效模型的准确性和可靠性,并进行了基于分数阶无迹卡尔曼滤波(Fractional Order Unscented Kalman Filtering,FOUKF)算法、FOMIUKF算法的锂电池SOC估计对比分析,发现FOMIUKF算法估计准确度更高,其估计误差仅为1%。
文摘为提升锂电池荷电状态(state of charge,SOC)估计的精度,以二阶RC分数阶模型为研究对象,提出一种由分数阶无迹卡尔曼滤波算法和带可变遗忘因子最小二乘法组成的FOUKF+VFFRLS算法。其中分数阶无迹卡尔曼滤波算法用于锂离子电池荷电状态估计,带可变遗忘因子最小二乘法用于电池参数估计。该算法通过对状态变量和参数变量的递推估算,确保了电池状态和参数的实时更新。基于UDDS工况下的实验数据进行仿真分析,结果表明,该方法较FOUKF等算法具有更高的估计精度,电池SOC最大估计误差可控制在2%以内,验证了所提方法的正确性及有效性。