典型文献
基于ARWLS-AEKF的锂电池SOC估计
文献摘要：
根据SOC在电池管理系统中的应用需求,针对锂离子电池的模型准确度低、SOC估算精度差的问题,提出了一种ARWLS-AEKF联合算法.该方法以二阶R-C网络模型为基础,通过加权自适应算法引人自适应遗传因子,优化参数辨识精度,并搭建MATLAB仿真平台联合自适应扩展卡尔曼滤波算法(AEKF)算法对SOC进行在线估算.将三种测试工况下的算法仿真结果与电池实验平台所得测量数据进行对比,结果表明:ARWLS-AEKF算法相对于离线EKF算法有更高的准确度与适应性,能适应随机变化的噪声环境.在LA_92、UDDS、HWFET工况下,ARWLS-AEKF算法的误差在2％以内,MAE分别为0.45％、0.74％、0.87％,RMSE值分别为0.54％、0.71％、0.42％.
文献关键词：
荷电状态;自适应扩展卡尔曼滤波;等效电路模型;锂离子电池
中图分类号：
作者姓名：
田元武;张诗建;周博雅;黎苏
作者机构：
河北工业大学能源与环境工程学院 天津300401;中国汽车技术研究中心有限公司 天津300300
文献出处：
引用格式：
[1]田元武;张诗建;周博雅;黎苏-.基于ARWLS-AEKF的锂电池SOC估计)[J].电子测量技术,2022(17):43-50
A类：
ARWLS
B类：
AEKF,锂电池,SOC,电池管理系统,应用需求,锂离子电池,估算精度,联合算法,自适应算法,遗传因子,优化参数,参数辨识,辨识精度,仿真平台,台联,自适应扩展卡尔曼滤波,扩展卡尔曼滤波算法,测试工况,算法仿真,实验平台,测量数据,离线,机变,噪声环境,UDDS,HWFET,MAE,RMSE,荷电状态,等效电路模型
AB值：
0.326935
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。
