典型文献
MIAEKF算法对锂电池荷电状态估算的研究
文献摘要：
为弥补扩展卡尔曼滤波算法估算锂离子动力电池的荷电状态(SOC)时误差大的缺点,从而更加有效地监测电池的状态,文中以二阶RC等效电路模型为基础,建立数学关系简单、易于工程实现的状态空间模型.在递推最小二乘法的基础上加入自适应因子来辨识二阶电路模型中相应的参数,并进行电路模型精确度验证;然后,结合多创新的自适应扩展卡尔曼滤波算法(MIAEKF)对电池荷电状态(SOC)进行精准估算;最后,利用Matlab数值软件编程该算法并进行仿真验证.仿真结果表明,基于多创新的自适应扩展卡尔曼滤波算法估算电池SOC的平均误差最小为1.12％,估算的最大误差为2.69％,说明基于多创新的自适应扩展卡尔曼滤波算法在估算过程中有更高的精度和更快的收敛速度,对锂离子电池荷电状态的精度有较精准的估计.
文献关键词：
荷电状态;MIAEKF算法;电池模型;参数辨识;锂离子电池;荷电状态估算;仿真验证
中图分类号：
作者姓名：
孙洁;刘梦;刘晓悦;孙晔;于凤臣
作者机构：
华北理工大学 电气工程学院,河北 唐山 063200;中国信息通信研究院,北京 100191;南堡开发区城市建设管理局,河北 唐山 063305
文献出处：
引用格式：
[1]孙洁;刘梦;刘晓悦;孙晔;于凤臣-.MIAEKF算法对锂电池荷电状态估算的研究)[J].现代电子技术,2022(16):115-120
A类：
MIAEKF
B类：
锂电池,电池荷电状态,荷电状态估算,扩展卡尔曼滤波算法,锂离子动力电池,SOC,RC,等效电路模型,状态空间模型,递推最小二乘法,自适应因子,二阶电路,自适应扩展卡尔曼滤波,Matlab,软件编程,仿真验证,平均误差,最大误差,收敛速度,锂离子电池,电池模型,参数辨识
AB值：
0.1918
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。
