典型文献
基于FFRLS-EKF联合算法的锂离子电池荷电状态估计方法
文献摘要：
针对现有基于电池恒定参数模型的SOC估计方法忽略了工况和SOC对电池模型参数的影响而导致SOC估计误差偏大的问题,本文提出一种将带有遗忘因子递推最小二乘算法与扩展卡尔曼滤波算法相结合的联合SOC估计方法.该方法先利用FFRLS算法在线辨识电池等效电路模型参数并实时修正电池模型,再利用EKF算法和实时修正的电池模型估计电池SOC.实验结果表明,本文所提的SOC估计方法能有效减小电池模型参数变化所带来的SOC估计误差.在脉冲放电、脉冲充电和动态应力测试实验中,最终电池SOC估计的最大误差分别为1.01％、0.87％和1.59％.
文献关键词：
SOC估计;参数辨识;递推最小二乘算法;扩展卡尔曼滤波
中图分类号：
作者姓名：
孙金磊;邹鑫;顾浩天;崔凯;朱金大
作者机构：
国网电力科学研究院有限公司,南京 211106
文献出处：
引用格式：
[1]孙金磊;邹鑫;顾浩天;崔凯;朱金大-.基于FFRLS-EKF联合算法的锂离子电池荷电状态估计方法)[J].汽车工程,2022(04):505-513
A类：
B类：
FFRLS,EKF,联合算法,锂离子电池,电池荷电状态,荷电状态估计,估计方法,参数模型,SOC,电池模型,估计误差,偏大,遗忘因子递推最小二乘算法,扩展卡尔曼滤波算法,在线辨识,等效电路模型,正电,模型估计,参数变化,脉冲放电,动态应力,应力测试,测试实验,最大误差,参数辨识
AB值：
0.274397
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。
