典型文献
基于蒙特卡洛和SH-AUKF算法的锂电池SOC估计
文献摘要：
针对锂离子电池荷电状态(State of charge,SOC)估计精度低的问题,将Sage-Husa自适应算法与无迹卡尔曼滤波算法相结合,提出了一种可以对系统噪声进行不断更新和修正的自适应滤波新算法——SH-AUKF算法.在动态应力测试(Dynamic stress test,DST)工况下,采用无迹卡尔曼滤波(Unscented Kalman filter,UKF)、自适应无迹卡尔曼滤波(Adaptive unscented Kalman filter,AUKF)和SH-AUKF三种算法分别对SOC进行估计.结果表明,SH-AUKF算法估计SOC的误差最小,估计精度最高.与UKF相比,SH-AUKF算法的估计精度提高了45.4％;与AUKF相比,SH-AUKF算法的估计精度提高了14.3％.为了进一步降低噪声干扰的偶然性和突发性对SOC估计的影响,在估计过程中加入了蒙特卡洛采样方法.结果表明,融合了蒙特卡洛方法的SH-AUKF算法估计SOC时,估计误差区间仅为±1×10?3,有效提高了估计精度.
文献关键词：
锂离子电池;荷电状态;Sage-Husa;蒙特卡洛
中图分类号：
作者姓名：
巫春玲;程琰清;徐先峰;孟锦豪;谢美美
作者机构：
长安大学电子与控制工程学院 西安 710000;四川大学电气工程学院 成都 610065;火箭军工程大学导弹工程学院 西安 710000
文献出处：
引用格式：
[1]巫春玲;程琰清;徐先峰;孟锦豪;谢美美-.基于蒙特卡洛和SH-AUKF算法的锂电池SOC估计)[J].电气工程学报,2022(03):66-75
A类：
B类：
SH,AUKF,锂电池,SOC,锂离子电池,电池荷电状态,State,charge,估计精度,Sage,Husa,自适应算法,无迹卡尔曼滤波算法,系统噪声,不断更新,自适应滤波,新算法,动态应力,应力测试,Dynamic,stress,test,DST,Unscented,Kalman,filter,Adaptive,unscented,低噪声,噪声干扰,偶然性,突发性,洛采,采样方法,蒙特卡洛方法,估计误差,误差区间
AB值：
0.326685
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。
