| 基于AEKPF算法对锂离子电池SOC与SOH的联合估计 |
| |
| 引用本文： | 张新锋,姚蒙蒙,宋瑞,崔金龙. 基于AEKPF算法对锂离子电池SOC与SOH的联合估计[J]. 江苏大学学报(自然科学版), 2022, 43(1): 24-31. DOI: 10.3969/j.issn.1671-7775.2022.01.004 |
| |
| 作者姓名： | 张新锋 姚蒙蒙 宋瑞 崔金龙 |
| |
| 作者单位： | 长安大学 汽车学院,陕西 西安710061;长安大学 汽车学院,陕西 西安710061;中汽研汽车检验中心(广州)有限公司,广东 广州511340 |
| |
| 基金项目： | 中央高校基本科研业务费专项资金资助项目(CHD2012JC048,72105473)；;广东省重点领域研发计划项目(2020B090919004)； |
| |
| 摘 要： | 为了提高锂离子电池SOC(state of charge)和SOH(state of health)的估计精度,采用自适应扩展卡尔曼粒子滤波(adaptive extended Kalman particle filter, AEKPF)算法估算SOC和SOH,该算法通过修正噪声可以解决运用EKF(extended Kalman filter)算法时的噪声误差累积问题,并且AEKF(adaptive extended Kalman filter)算法作为PF(particle filter)算法的建议分布用来实时更新粒子,可以改善单独采用PF算法时的粒子退化问题.为了提高SOC的估计精度,提出考虑电池的劣化特征,联合SOH实现对SOC的修正估计.在Matlab环境下的仿真结果表明:AEKPF算法与AEKF算法相比,可以得到更加准确的SOC和SOH估计值,而且AEKPF算法联合SOH可以有效提高SOC的估计精度,仿真绝对误差不超过±1%.
|
| 关 键 词： | 锂离子电池 SOC估计 SOH估计 自适应扩展卡尔曼粒子滤波算法 联合估计 |
Joint estimation of SOC and SOH for Li-ion battery based on AEKPF algorithm |
| |
| ZHANG Xinfeng,YAO Mengmeng,SONG Rui,CUI Jinlong. Joint estimation of SOC and SOH for Li-ion battery based on AEKPF algorithm[J]. Journal of Jiangsu University:Natural Science Edition, 2022, 43(1): 24-31. DOI: 10.3969/j.issn.1671-7775.2022.01.004 |
| |
| Authors: | ZHANG Xinfeng YAO Mengmeng SONG Rui CUI Jinlong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
