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:
为了提高锂离子电池的SOC估计精度,分别使用扩展卡尔曼滤波和无迹卡尔曼滤波对电池SOC进行估计,并通过虚拟仿真实验进行验证分析。建立了二阶RC等效电路模型并利用带有遗忘因子的最小二乘法对模型参数进行辨识,然后在MATLAB中搭建EKF与UKF的算法模型对SOC进行估计,并和实际SOC进行比较分析。仿真实验结果表明:建立的二阶RC模型精度高,电压误差在40 mV内;EKF和UKF算法的精度良好,误差在3%以内,并且UKF的估计精度要比EKF的高。
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
基于模型的锂离子电池SOC及SOH估计方法研究进展
锂离子电池
电池管理系统
电池模型
荷电状态估计
健康状态估计
基于权值选择粒子滤波算法的锂离子电池SOC估计
Thevenin 模型
在线参数辨识
SOC 估计
权值选择粒子滤波算法
基于滞环电压模型的锂离子电池SOC估计
荷电状态(SOC)
滞环电压
储能电站
迭代平滑可变滤波
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EKF与UKF的锂离子电池SOC估计
来源期刊 电力与能源进展 学科 工学
关键词 锂离子电池 参数辨识 扩展卡尔曼 无迹卡尔曼 SOC
年,卷(期) 2020,(5) 所属期刊栏目
研究方向 页码范围 85-94
页数 10页 分类号 TN9
字数 语种
DOI
五维指标
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  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(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
锂离子电池
参数辨识
扩展卡尔曼
无迹卡尔曼
SOC
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
电力与能源进展
双月刊
2328-0514
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
178
总下载数(次)
1
总被引数(次)
0
论文1v1指导