典型文献
基于AEKF滤波与H∞滤波的锂离子电池SOC联合估计
文献摘要：
锂电池荷电状态(SOC)的准确估计对提高电池的动态性能和能量利用率至关重要.针对现有卡尔曼滤波SOC估计方法存在估计精度低、鲁棒性差等问题,采用锂离子电池的二阶电阻-电容等效电路模型,通过HPPC循环脉冲实验和动态应力测试工况放电实验,结合带可变遗忘因子的递推最小二乘法(VFFRLS)及开窗理论,对等效电路模型参数进行在线辨识,提出利用自适应扩展卡尔曼滤波(AEKF)算法和H∞滤波算法联合估计SOC的方法.结果表明:与AEKF算法相比,在DST工况下该算法可以使电池荷电状态估计的最大绝对误差减小3.9029％,平均绝对误差减小0.9622％,均方根误差减小0.5515％.与H∞滤波算法相比,在DST工况下该算法可以使电池荷电状态估计最大绝对误差减小1.309％,平均绝对误差减小2.8934％,均方根误差减小2.6136％.
文献关键词：
锂离子电池;荷电状态;参数在线辨识;H无穷滤波;自适应扩展卡尔曼滤波
中图分类号：
作者姓名：
王雨妍;李翔晟;陈志峰;欧阳立芳;蒋宇阳
作者机构：
中南林业科技大学机电工程学院,湖南长沙410004
文献出处：
引用格式：
[1]王雨妍;李翔晟;陈志峰;欧阳立芳;蒋宇阳-.基于AEKF滤波与H∞滤波的锂离子电池SOC联合估计)[J].电源技术,2022(05):536-540
A类：
B类：
AEKF,锂离子电池,SOC,联合估计,锂电池,电池荷电状态,动态性能,能量利用率,估计方法,估计精度,等效电路模型,HPPC,动态应力,应力测试,测试工况,可变遗忘因子,递推最小二乘法,VFFRLS,开窗,自适应扩展卡尔曼滤波,滤波算法,DST,荷电状态估计,平均绝对误差,参数在线辨识,无穷
AB值：
0.242063
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。
