作者:
原文服务方: 湖南大学学报(自然科学版)       
摘要:
信号噪声干扰、电池模型对温度与老化的适应性及单体不一致性等因素直接影响电池组电荷状态(State of Charge,SOC)估算精度.为实现锂离子电池组SOC的准确估计,提出了一种使用交互多模型(Interacting Multiple Model,IMM)和自适应电池状态估计器(Adap-tive Battery State Estimator,ABSE)相结合的估算方法.首先,基于电池组综合特性建立电池交互模型,通过ABSE对单体SOC进行估算并嵌入IMM模型中.然后,计算各模型的信息分配因子,并根据信息分配因子对各模型的SOC进行概率融合,得到精度较高的电池组SOC.最后,在不同温度的组合工况下,评估该算法的鲁棒性和普适性.实验结果表明,该方法适用于系统输入信号存在噪声、全气候工况和单体间存在不一致性的环境,在有效充放电期间平均误差小于2%.
推荐文章
基于神经网络与UKF结合的锂离子电池组SOC估算方法
锂离子电池组
动力能源
无迹卡尔曼滤波器
神经网络
高级车辆仿真器
荷电状态
基于无损卡尔曼滤波的锂离子电池组SOC估计
锂离子电池组
温度
电荷状态
无损卡尔曼滤波
基于神经网络与UKF结合的锂离子电池组SOC估算方法
锂离子电池组
动力能源
无迹卡尔曼滤波器
神经网络
高级车辆仿真器
荷电状态
车用锂离子电池SOC估算算法的研究
纯电动汽车
电池容量损耗
SOC估计
Kalman滤波算法
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 一种基于IMM-ABSE算法的锂离子电池组SOC估算
来源期刊 湖南大学学报(自认科学版) 学科
关键词 SOC IMM-ABSE 电池一致性 模型适应性 噪声干扰 信息分配因子 锂离子电池组
年,卷(期) 2019,(10) 所属期刊栏目 电气与信息工程
研究方向 页码范围 85-95
页数 11页 分类号 U469.72
字数 语种 中文
DOI 10.16339/j.cnki.hdxbzkb.2019.10.010
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 陈华 湖南大学机械与运载工程学院 28 442 13.0 20.0
2 朱浩 湖南大学机械与运载工程学院 37 326 12.0 16.0
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  (0)
参考文献  (24)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(4)
  • 参考文献(4)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(4)
  • 参考文献(4)
  • 二级参考文献(0)
2017(7)
  • 参考文献(7)
  • 二级参考文献(0)
2018(6)
  • 参考文献(6)
  • 二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
SOC
IMM-ABSE
电池一致性
模型适应性
噪声干扰
信息分配因子
锂离子电池组
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
湖南大学学报(自然科学版)
月刊
1674-2974
43-1061/N
16开
1956-01-01
chi
出版文献量(篇)
4654
总下载数(次)
0
总被引数(次)
41941
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导