典型文献
两种联合算法的三元锂电池SOC估计比较
文献摘要：
电池荷电状态(SOC)估计的准确性受到电池模型精度的影响.为了提高复杂工况下电池SOC估计精度,比较基于遗忘因子递推最小二乘法-扩展卡尔曼滤波(FFRLS-EKF)和双扩展卡尔曼滤波(DEKF)联合算法的三元锂电池SOC估计方法.分别利用FFRLS和EKF算法在线辨识电池模型参数,然后与EKF算法联合进行三元锂电池SOC估计.在动态应力测试(DST)工况下,两种联合算法的SOC估计结果表明:FFRLS-EKF联合算法的估计误差在2.49％之内,DEKF联合算法的估计误差在2.62％之内;FFRLS建立的电池模型精度更高,端电压平均误差为0.37 mV.
文献关键词：
三元锂电池;SOC估计;在线辨识;遗忘因子递推最小二乘法;扩展卡尔曼滤波
中图分类号：
作者姓名：
葛才安;郑燕萍;虞杨
作者机构：
南京林业大学汽车与交通工程学院,南京 210037;南京林业大学机械与电子工程学院,南京 210037
文献出处：
引用格式：
[1]葛才安;郑燕萍;虞杨-.两种联合算法的三元锂电池SOC估计比较)[J].重庆理工大学学报,2022(08):29-35
A类：
B类：
联合算法,三元锂电池,SOC,电池荷电状态,电池模型,模型精度,复杂工况,估计精度,遗忘因子递推最小二乘法,扩展卡尔曼滤波,FFRLS,DEKF,估计方法,在线辨识,动态应力,应力测试,DST,估计误差,端电压,压平,平均误差,mV
AB值：
0.207152
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。
