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:
蓄电池的荷电状态(SOC)是电池管理系统中的重要参数之一,准确估算电池SOC对生产运行具有重要意义.首先,阐释了SOC的定义;其次,分析了传统单一SOC估算法的不足;然后,论述了近几年蓄电池SOC融合估算方法如神经网络、卡尔曼滤波法和综合法的研究进展,并分析了各种方法存在的优缺点;最后,给出总结与展望.提出充分利用数据挖掘和深度学习技术,将BMS记录的历史数据用于蓄电池SOC的估算,有助于提高计算精度和应用范围.
推荐文章
基于改进RBF神经网络训练算法的蓄电池SOC估算
SOC估算
RBF神经网络
正则化
模糊控制
模拟退火算法
Matlab
基于SOC算法的蓄电池智能管理系统研究
电池管理系统
SOC算法
卡尔曼滤波法
蓄电池模型
基于内阻法修正的蓄电池卡尔曼滤波SOC估算
蓄电池
荷电状态
灰色关联法
内阻修正
扩展卡尔曼滤波
BPNN的矿用铅酸蓄电池SOC在线估计
安全供电系统
铅酸蓄电池
矿用
内化成
PID-BP神经网络
SOC在线估计
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 融合算法在蓄电池SOC估算中的研究综述
来源期刊 四川电力技术 学科 工学
关键词 蓄电池 荷电状态(SOC) 融合算法
年,卷(期) 2021,(1) 所属期刊栏目 电力系统
研究方向 页码范围 43-46,88
页数 5页 分类号 TM912
字数 语种 中文
DOI 10.16527/j.issn.1003-6954.20210110
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (464)
共引文献  (358)
参考文献  (51)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(5)
  • 参考文献(0)
  • 二级参考文献(5)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(10)
  • 参考文献(0)
  • 二级参考文献(10)
2002(7)
  • 参考文献(0)
  • 二级参考文献(7)
2003(9)
  • 参考文献(0)
  • 二级参考文献(9)
2004(28)
  • 参考文献(0)
  • 二级参考文献(28)
2005(10)
  • 参考文献(2)
  • 二级参考文献(8)
2006(18)
  • 参考文献(2)
  • 二级参考文献(16)
2007(18)
  • 参考文献(0)
  • 二级参考文献(18)
2008(19)
  • 参考文献(2)
  • 二级参考文献(17)
2009(20)
  • 参考文献(0)
  • 二级参考文献(20)
2010(24)
  • 参考文献(0)
  • 二级参考文献(24)
2011(39)
  • 参考文献(5)
  • 二级参考文献(34)
2012(35)
  • 参考文献(2)
  • 二级参考文献(33)
2013(31)
  • 参考文献(2)
  • 二级参考文献(29)
2014(30)
  • 参考文献(3)
  • 二级参考文献(27)
2015(35)
  • 参考文献(1)
  • 二级参考文献(34)
2016(33)
  • 参考文献(1)
  • 二级参考文献(32)
2017(32)
  • 参考文献(4)
  • 二级参考文献(28)
2018(52)
  • 参考文献(2)
  • 二级参考文献(50)
2019(20)
  • 参考文献(2)
  • 二级参考文献(18)
2020(25)
  • 参考文献(23)
  • 二级参考文献(2)
2021(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
蓄电池
荷电状态(SOC)
融合算法
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
四川电力技术
双月刊
1003-6954
51-1315/TM
大16开
四川省成都市高新区锦晖西二街16号四川电科院媒体业务中心
1978
chi
出版文献量(篇)
3021
总下载数(次)
2
总被引数(次)
10921
论文1v1指导