典型文献
基于TVFFRLS-ACKF的锂离子电池SOC估算
文献摘要：
实现电池荷电状态(SOC)的估算预测是电池管理系统(BMS)的重要任务之一.电池模型参数的辨识是实现锂离子电池SOC估算的前提,也是决定其估算精度的关键因素.本文以18650型锂离子单体电池为研究对象,采用带时变遗忘因子的递推最小二乘法(TVFFRLS)对电池参数进行在线辨识,实现遗忘因子自适应的自动寻优,提高参数在线辨识的稳定性.在此基础上,采用自适应容积卡尔曼滤波(ACKF)对锂离子电池SOC进行估算,对过程噪声、量测噪声的协方差实时更新,并在不同工况下进行算法验证.结果表明,该算法噪声抑制性能良好,可以提高SOC的估算精度,最大估算误差不超过1.5％,且ACKF算法具有较强的鲁棒性.
文献关键词：
荷电状态;带时变遗忘因子最小二乘法;自适应容积卡尔曼滤波
中图分类号：
作者姓名：
华菁;阮观强;胡星;郁长青;袁伟光
作者机构：
上海电机学院机械学院 上海201306
文献出处：
引用格式：
[1]华菁;阮观强;胡星;郁长青;袁伟光-.基于TVFFRLS-ACKF的锂离子电池SOC估算)[J].电子测量技术,2022(24):22-28
A类：
TVFFRLS,带时变遗忘因子最小二乘法
B类：
ACKF,锂离子电池,SOC,电池荷电状态,电池管理系统,BMS,电池模型,估算精度,单体电池,递推最小二乘法,高参数,参数在线辨识,自适应容积卡尔曼滤波,过程噪声,量测噪声,协方差,实时更新,不同工况,算法验证,噪声抑制,抑制性能
AB值：
0.227788
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。
