典型文献
基于自适应FFRLS和改进CEKF锂电池SOC的估算
文献摘要：
锂离子电池荷电状态(SOC)的准确估计是电池管理系统的重要核心技术之一,也是延长电池寿命的关键.但是
SOC的准确实时估计困难,且精度不高.选取以三元锂电池为研究对象,针对EKF在线性化过程中产生的非线性误差,提出改进的补偿扩展卡尔曼算法(compensation for extended Kalman,CEKF).该算法用GA优化的BP神经网络预测k时刻EKF的非线性误差等,从而补偿扩展卡尔曼k时刻的非线性误差等,且用自适应FFRLS对模型参数进行参数辨识,以DST和BBDST进行实验验证.实验结果表明,该算法估算SOC的精度范围在2％左右,且最大误差和平均误差都比EKF小得多,能更加有效追踪SOC的理论值,且该算法估计的SOC稳定性也比EKF稳定.
文献关键词：
锂离子电池;CEKF;BP神经网络;自适应FFRLS;GA优化BP网络
中图分类号：
作者姓名：
马青云;王顺利;余鹏;邹传云
作者机构：
西南科技大学信息工程学院,四川绵阳621010
文献出处：
引用格式：
[1]马青云;王顺利;余鹏;邹传云-.基于自适应FFRLS和改进CEKF锂电池SOC的估算)[J].电源技术,2022(04):395-399
A类：
CEKF,
SOC,BBDST
B类：
FFRLS,锂离子电池,电池荷电状态,电池管理系统,电池寿命,实时估计,三元锂电池,线性化,非线性误差,扩展卡尔曼,卡尔曼算法,compensation,extended,Kalman,GA,神经网络预测,参数辨识,最大误差,平均误差,小得多,理论值
AB值：
0.240412
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。
