典型文献
锂离子电池片段数据的荷电状态估计研究
文献摘要:
针对单一算法在不同工况下的锂电池片段荷电状态(SOC)估计精度低的问题,提出一种基于锂电池片段数据的联合SOC估计算法.以比克H18650CIL型镍钴锰酸锂单体电池为研究对象,建立了二阶RC等效电路模型,设计了锂电池实验并进行了基于遗忘递推最小二乘法(FFRLS)的在线参数辨识,结果表明所建模型及辨识的参数具有较高的精度.考虑到不同算法的优点,论文使用灰色理论、BP神经网络等方法进行了锂电池的荷电状态估计.在此基础上建立了无迹卡尔曼滤波(UKF)、离散灰色预测(DGM)和神经网络(BPNN)的联合算法,分别以15%、30%和40%的锂电池片段数据作为训练数据,进行了SOC估计结果的比较.数据表明联合算法的最大估计误差为1.01%,好于UKF算法的最大误差1.94%、BPNN算法的最大误差1.62%,联合算法展现出了更高的精度和稳定性.
文献关键词:
锂离子电池;片段数据;在线参数辨识;荷电状态估计
中图分类号:
作者姓名:
宋胜;李云伍;赵颖;王月强
作者机构:
西南大学工程技术学院,重庆400715;重庆长安汽车股份有限公司,重庆400021
文献出处:
引用格式:
[1]宋胜;李云伍;赵颖;王月强-.锂离子电池片段数据的荷电状态估计研究)[J].电源技术,2022(07):734-738
A类:
H18650CIL
B类:
锂离子电池,片段数据,荷电状态估计,一算,不同工况,锂电池,SOC,估计精度,估计算法,比克,镍钴锰酸锂,单体电池,RC,等效电路模型,遗忘,递推最小二乘法,FFRLS,在线参数辨识,数具,灰色理论,无迹卡尔曼滤波,UKF,灰色预测,DGM,BPNN,联合算法,训练数据,估计误差,最大误差
AB值:
0.286997
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。