基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
考虑到传统的卡尔曼滤波策略在未知干扰噪声环境下不能对锂离子电池的荷电状态(soc)进行准确的估计,简要论述了锂离子电池的等效电路模型,提出了自适应卡尔曼滤波方法,利用Matlab/Simulink建立了基于自适应和常规的卡尔曼滤波法的锂离子电池SOC估计的仿真模型,分析研究了在未知干扰噪声下两种滤波法的SOC估计值变化曲线以及误差关系.仿真结果表明,采用自适应卡尔曼滤波方法估计的SOC误差较传统的要小,从而有效降低了未知干扰噪声对电池管理系统所受到的影响,且具有较好的鲁棒性,为今后深入研究动力电池SOC估计方法提供了一定的参考.
推荐文章
双自适应衰减卡尔曼滤波锂电池荷电状态估计
锂离子电池
荷电状态
自适应卡尔曼滤波
扩展卡尔曼滤波
双自适应
小波降噪卡尔曼滤波锂电池荷电状态估计
离散小波变换
降噪
荷电状态
扩展卡尔曼滤波算法
基于核极限学习机与容积卡尔曼滤波融合的锂电池荷电状态估计
锂离子电池
荷电状态估计
卡尔曼滤波
核极限学习机
基于RTS-IEKPF算法的锂电池SOC估算
锂电池
SOC估算
RTS-IEKPF
粒子滤波
最优平滑
实验验证
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于自适应卡尔曼滤波的锂电池SOC估计
来源期刊 电源技术 学科 工学
关键词 SOC 锂离子电池 自适应卡尔曼滤波 Matlab 电池管理系统
年,卷(期) 2017,(11) 所属期刊栏目 研究与设计
研究方向 页码范围 1541-1544
页数 4页 分类号 TM912.9
字数 2570字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 程汉湘 广东工业大学自动化学院 177 936 16.0 20.0
2 彭湃 广东工业大学自动化学院 17 149 8.0 11.0
3 陈杏灿 广东工业大学自动化学院 16 143 8.0 11.0
4 李蕾 广东工业大学自动化学院 8 75 6.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (43)
参考文献  (8)
节点文献
引证文献  (17)
同被引文献  (53)
二级引证文献  (12)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(9)
  • 引证文献(9)
  • 二级引证文献(0)
2019(11)
  • 引证文献(6)
  • 二级引证文献(5)
2020(9)
  • 引证文献(2)
  • 二级引证文献(7)
研究主题发展历程
节点文献
SOC
锂离子电池
自适应卡尔曼滤波
Matlab
电池管理系统
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电源技术
月刊
1002-087X
12-1126/TM
大16开
天津296信箱44分箱
6-28
1977
chi
出版文献量(篇)
9323
总下载数(次)
56
总被引数(次)
55810
论文1v1指导