典型文献
基于RFF及GWO-PF的锂电池SOC估计
文献摘要：
为了提高锂电池剩余电量估计的准确性,提出一种在线参数辨识与改进粒子滤波算法相结合的锂电池SOC估计方法.针对粒子滤波中的粒子退化问题,引入灰狼算法,利用灰狼算法较强的全局寻优能力优化粒子分布,保证粒子多样性,有效抑制粒子退化现象,提高滤波精度.采用带遗忘因子的递推最小二乘法实时更新模型参数,并与改进粒子滤波算法交替运行,进一步提高SOC的估计精度.实验结果表明,改进算法的平均估计误差始终保持在±0.15％以内,相比扩展卡尔曼滤波与无迹卡尔曼滤波算法,在电池SOC估计上有更高的估计精度与稳定性.
文献关键词：
计量学;SOC估计;锂电池;粒子滤波;灰狼算法;参数辨识
中图分类号：
作者姓名：
吴忠强;胡晓宇;马博岩;侯林成;曹碧莲
作者机构：
燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004
文献出处：
引用格式：
[1]吴忠强;胡晓宇;马博岩;侯林成;曹碧莲-.基于RFF及GWO-PF的锂电池SOC估计)[J].计量学报,2022(09):1200-1207
A类：
B类：
RFF,GWO,PF,锂电池,SOC,电池剩余电量,在线参数辨识,改进粒子滤波算法,估计方法,粒子退化,灰狼算法,全局寻优,寻优能力,能力优化,粒子分布,制粒,退化现象,带遗忘因子的递推最小二乘法,实时更新,更新模型,估计精度,改进算法,估计误差,始终保持,扩展卡尔曼滤波,无迹卡尔曼滤波算法
AB值：
0.29747
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。
