典型文献
基于ABC-RFEKF算法的锂电池SOC估计
文献摘要：
准确、可靠的荷电状态(SOC)估计可以为电池管理系统的安全高效使用提供保障.针对锂电池SOC估计精度不足的问题,提出人工蜂群算法(ABC)和随机森林优化EKF算法(RFEKF)分别实现电池模型的参数辨识和SOC估计.在建立双极化模型的基础上,为解决在线辨识初始误差累积的问题,采用ABC算法搜索最小模型电压误差下的全局最优阻抗参数值,实现模型参数的精确辨识.在获得精确的模型参数基础上,使用随机森林(RF)对SOC后验估计误差进行在线补偿,达到弥补传统EKF算法高阶项误差的目的,进而实现SOC高精度估计.联合半实物仿真系统和电池测试平台,在EPA城市动力工况下对SOC估计算法实现快速控制原型验证.结果表明:基于ABC-RFEKF的锂电池SOC估计算法各项误差指标均低于传统SOC估计算法,平均误差在1％左右,满足实际工程需求.
文献关键词：
荷电状态;人工蜂群算法;随机森林;扩展卡尔曼滤波;快速控制原型
中图分类号：
作者姓名：
寇发荣;王甜甜;王思俊;张宏;门浩
作者机构：
西安科技大学机械工程学院,陕西 西安 710054
文献出处：
引用格式：
[1]寇发荣;王甜甜;王思俊;张宏;门浩-.基于ABC-RFEKF算法的锂电池SOC估计)[J].电力系统保护与控制,2022(04):163-171
A类：
RFEKF
B类：
ABC,锂电池,SOC,荷电状态,电池管理系统,安全高效,高效使用,估计精度,人工蜂群算法,电池模型,参数辨识,双极化模型,在线辨识,初始误差,误差累积,电压误差,差下,全局最优,阻抗参数,参数值,后验估计,估计误差,在线补偿,高阶项,精度估计,半实物仿真系统,测试平台,EPA,估计算法,算法实现,快速控制原型,原型验证,误差指标,平均误差,工程需求,扩展卡尔曼滤波
AB值：
0.350989
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。
