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:
精准的电池模型是电动汽车电池管理系统的关键,它为准确估计电池荷电状态(SOC)提供保证.基于电化学反应机理,建立扩展单粒子(ESP)模型.基于ESP模型参数较多的特点,利用改进遗传算法分不同SOC阶段进行多组参数辨识,通过充放电实验验证模型的准确性.基于ESP模型和卡尔曼滤波算法,引入强跟踪滤波器和自适应滤波方法,且对模型状态方程进行修正,建立自适应强跟踪Sigma点卡尔曼滤波算法来进行SOC估计.结果 表明,ESP模型有较高的精度,且基于此模型和所建立的算法可以实现对SOC的精确估计,其最大误差在2.3%以内.
推荐文章
基于多元线性回归模型的锂电池充电SOC预测
锂电池
SOC
多元线性回归
预测
一种估计锂电池充电状态的分数阶阻抗模型
锂电池充电状态
分数阶阻抗模型
分数阶卡尔曼滤波器
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
基于IMM-UPF的锂电池寿命估计
锂电池
健康状态
经验模型
交互式多模型
无迹粒子滤波
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ESP模型的锂电池参数辨识和SOC估计
来源期刊 电源技术 学科 工学
关键词 扩展单粒子模型 参数辨识 改进遗传算法 荷电状态估计 卡尔曼滤波
年,卷(期) 2020,(6) 所属期刊栏目 研究与设计
研究方向 页码范围 832-835,874
页数 5页 分类号 TM912
字数 3457字 语种 中文
DOI 10.3969/j.issn.1002-087X.2020.06.011
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 吴波 武汉理工大学机电工程学院 44 177 7.0 11.0
2 徐劲力 武汉理工大学机电工程学院 41 107 6.0 9.0
3 谢锋 武汉理工大学机电工程学院 1 0 0.0 0.0
4 卢佩航 武汉理工大学机电工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (4)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(5)
  • 参考文献(2)
  • 二级参考文献(3)
2016(2)
  • 参考文献(1)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 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
扩展单粒子模型
参数辨识
改进遗传算法
荷电状态估计
卡尔曼滤波
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