典型文献
简化分数阶AEPF的锂电池SOC估计算法
文献摘要：
电池极化效应、随机干扰以及电池在整个寿命周期内高度非线性和动态特性,给电池荷电状态(SOC)在线精确估计带来了许多挑战.等效模型的精确表达与估计算法的优化设计是提高SOC估计精度的两大重要技术路线.对此,提出了基于分数阶模型自适应扩展卡尔曼粒子滤波(FOAEPF)的SOC估计方法.对分数阶模型(FOM)的二项式系数的求和项进行了适当的截断,从而得到了能够有效降低计算量的简化分数阶模型.然后运用AEPF算法估计电池的SOC.自适应扩展卡尔曼滤波被用作粒子滤波算法的建议分布函数,不但解决了粒子滤波算法的粒子退化问题,而且能够充分结合两类算法的优势实现二次滤波.多组实验的测试结果表明所提出的方法在削减计算负担的基础上,能够进一步提高电池SOC估计精度与鲁棒性.
文献关键词：
锂电池;分数阶;自适应扩展卡尔曼粒子滤波;荷电状态
中图分类号：
作者姓名：
张宵洋;陈康义;吴新波
作者机构：
九州电子有限公司,山东潍坊261000;哈尔滨工业大学化工与化学学院,黑龙江哈尔滨150001
文献出处：
引用格式：
[1]张宵洋;陈康义;吴新波-.简化分数阶AEPF的锂电池SOC估计算法)[J].电源技术,2022(10):1156-1160
A类：
AEPF,自适应扩展卡尔曼粒子滤波,FOAEPF
B类：
锂电池,SOC,估计算法,极化效应,随机干扰,寿命周期,高度非线性,动态特性,电池荷电状态,精确估计,等效模型,估计精度,分数阶模型,模型自适应,估计方法,FOM,二项式系数,计算量,自适应扩展卡尔曼滤波,粒子滤波算法,建议分布,分布函数,粒子退化,二次滤波,削减,计算负担
AB值：
0.266734
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。
