典型文献
基于改进RLS算法的锂电池模型参数识别与SOC估计
文献摘要：
SOC是反应锂电池剩余荷电状态的一个值.对电池荷电状态(SOC)的准确估算在电池管理系统(BMS)中意义重大.目前锂电池模型参数识别最常用的方法是递推最小二乘法(RLS,Recursive Least Square),但该算法中的固定遗忘因子很难满足锂电池的各种工况,导致参数识别在不同工况下的差异较大,不具有很好的适应性.因此,本文在二阶RC电路等效模型的基础上,采用一种可变遗忘因子参数识别VFFRLS和AEKF联合算法对锂电池SOC进行在线估计,从而减小由于参数辨识而引起的SOC估计误差.基于UDDS工况采用该联合算法对锂电池SOC进行估计,最后与RLS-AEKF算法以及单个AEKF算法进行比较,结果表明:VFFRLS-AEKF联合算法具有更高的准确性和稳定性.
文献关键词：
锂离子电池;动力电池模型;参数识别;可变遗忘因子
中图分类号：
作者姓名：
董策勇
作者机构：
安徽理工大学电气与信息工程学院,安徽淮南232001
文献出处：
引用格式：
[1]董策勇-.基于改进RLS算法的锂电池模型参数识别与SOC估计)[J].兰州文理学院学报（自然科学版）,2022(04):31-35
A类：
B类：
锂电池,参数识别,SOC,电池荷电状态,电池管理系统,BMS,中意,递推最小二乘法,Recursive,Least,Square,不同工况,RC,等效模型,可变遗忘因子,VFFRLS,AEKF,联合算法,在线估计,参数辨识,估计误差,UDDS,锂离子电池,动力电池模型
AB值：
0.27503
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。
