基于改进Sage-Husa的自适应无迹卡尔曼滤波的锂离子电池SOC估计 |
| |
引用本文: | 杨海学,张继业,张晗. 基于改进Sage-Husa的自适应无迹卡尔曼滤波的锂离子电池SOC估计[J]. 电工电能新技术, 2016, 0(1): 30-35. DOI: 10.3969/j.issn.1003-3076.2016.01.006 |
| |
作者姓名: | 杨海学 张继业 张晗 |
| |
作者单位: | 1. 西南交通大学信息科学与技术学院,四川成都610031;西南交通大学牵引动力国家重点实验室,四川成都610031;2. 西南交通大学牵引动力国家重点实验室,四川成都,610031 |
| |
基金项目: | 国家自然科学基金(11172247),牵引动力国家重点实验室开放课题(TPL1211) |
| |
摘 要: | 扩展卡尔曼滤波(EKF)算法估计锂离子动力电池荷电状态(SOC)时,由于系统噪声的不确定,可能导致估计算法不精确,并且算法中的线性化处理受电池模型的影响很大。为了解决上述两个问题,本文采用改进Sage-Husa的自适应无迹卡尔曼滤波法(AUKF)来动态地估计多元复合锂离子电池的SOC。与EKF相比,改进Sage-Husa的自适应卡尔曼滤波法提高了SOC估计的精度,并能够实时修正微小的模型误差带来的SOC估计误差,实时的工况模拟证明了该算法更适用于多元复合锂离子电池的动态SOC估计。
|
关 键 词: | 多元锂离子动力电池 SOC 状态估计 自适应 无迹卡尔曼滤波 Sage-Husa |
States of charge estimation of lithium-ion battery based on improved Sage-Husa adaptive unscented Kalman filters |
| |
Abstract: | |
| |
Keywords: | multivariate lithium-ion state of charge state estimation adaptive UKF Sage-Husa |
本文献已被 CNKI 万方数据 等数据库收录! |
|