典型文献
一种GA-DKF的锂离子电池SOC估计
文献摘要：
提出了一种基于遗传算法优化双卡尔曼滤波(GA-DKF)的方法进行电池荷电状态(SOC)估计.分别利用遗传算法优化模型参数辨识中卡尔曼滤波的噪声协方差矩阵,以及SOC估计中无迹卡尔曼滤波(U KF)的噪声协方差矩阵.搭建试验平台,依据不同电流倍率下的放电实验数据,得到模型参数动态辨识的结果,分析GA-KF算法辨识参数的有效性.通过不同工况下试验结果、仿真结果以及传统最小二乘法(LS)辨识结果的对比,表明提出的方法能够有效提高锂电池模型精度.最后,采用遗传算法优化双卡尔曼滤波(GA-DKF)进行SOC估计,分别验证该模型在动态工况下SOC估计的精度和鲁棒性.结果表明:该模型不仅具有较高的估计精度,还能克服不同初始SOC的误差,具备良好的鲁棒性.
文献关键词：
遗传算法;双卡尔曼滤波;锂离子电池;SOC估计
中图分类号：
作者姓名：
罗雪松;朱茂桃
作者机构：
江苏大学 汽车与交通工程学院,江苏 镇江 212013
文献出处：
引用格式：
[1]罗雪松;朱茂桃-.一种GA-DKF的锂离子电池SOC估计)[J].重庆理工大学学报,2022(03):63-71
A类：
DKF
B类：
GA,锂离子电池,SOC,遗传算法优化,双卡尔曼滤波,电池荷电状态,模型参数辨识,中卡,协方差矩阵,无迹卡尔曼滤波,试验平台,倍率,动态辨识,不同工况,LS,锂电池,电池模型,模型精度,动态工况,估计精度,能克服
AB值：
0.233809
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
