基于联合集合卡尔曼滤波的锂电池SOC估计

基于联合集合卡尔曼滤波的锂电池SOC估计

TM912; 锂电池的SOC(荷电状态)准确估计是电池管理系统及其控制的基础.现有扩展卡尔曼滤波、无迹卡尔曼滤波等方法需计算高维雅克比矩阵或协方差矩阵,对计算能力要求较高.结合数据同化和集合预报的思想,提出基于联合EnKF(集合卡尔曼滤波)的锂电池SOC估计方法.该方法利用集合的统计特征来表征状态变量,避免了高维矩阵的运算,对SOC和模型参数进行联合估计,可提高算法速度和精度.建立了锂电池等效电路模型并辨识了模型初始参数,得到了开路电压曲线.在EnKF的基础上,针对充放电过程中模型参数的变化,提出了基于联合EnKF的SOC估计方法,可在计算过程中联合估计SOC和模型参数.实验结果表明,所提方法...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:浙江电力 2021, Vol.40 (1), p.123-130
Hauptverfasser: 陈刚, 储建新, 潘炫霖, 雷健新, 郑迪
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 130
container_issue 1
container_start_page 123
container_title 浙江电力
container_volume 40
creator 陈刚
储建新
潘炫霖
雷健新
郑迪
description TM912; 锂电池的SOC(荷电状态)准确估计是电池管理系统及其控制的基础.现有扩展卡尔曼滤波、无迹卡尔曼滤波等方法需计算高维雅克比矩阵或协方差矩阵,对计算能力要求较高.结合数据同化和集合预报的思想,提出基于联合EnKF(集合卡尔曼滤波)的锂电池SOC估计方法.该方法利用集合的统计特征来表征状态变量,避免了高维矩阵的运算,对SOC和模型参数进行联合估计,可提高算法速度和精度.建立了锂电池等效电路模型并辨识了模型初始参数,得到了开路电压曲线.在EnKF的基础上,针对充放电过程中模型参数的变化,提出了基于联合EnKF的SOC估计方法,可在计算过程中联合估计SOC和模型参数.实验结果表明,所提方法可准确高效地估计锂电池的SOC.
doi_str_mv 10.19585/j.zjdl.202101018
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_zjdl202101019</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>zjdl202101019</wanfj_id><sourcerecordid>zjdl202101019</sourcerecordid><originalsourceid>FETCH-LOGICAL-s1009-26a190fdc81dcf1be64de239f998df42d05dcf7521b6fd84471e3b777b2f96c83</originalsourceid><addsrcrecordid>eNpjYJA0NNAztDS1MNXP0qvKSsnRMzIwMjQAQgsWBk5DAwNzXUMLC0MOBt7i4swkAwNDQyNLM1NLTgazp_N3PdnV96JxytMJHS9ntwHJp70Ln26Y8mz2nme7lzzbvOj5rJaXU5qeT9n6bOOCYH_nJ3s2vFi3kIeBNS0xpziVF0pzM4S6uYY4e-j6-Lt7Ojv66BYD7bTUNTJLNLQ0SEtJtjBMSU4zTEo1M0lJNTK2TLO0tEhJMzFKMTAFipubGhkmmaWlWJiYmBumGieZm5snGaVZmiVbGHMzqELMLU_MS0vMS4_Pyi8tygPaGA_yJMyPlsYAgk5ZdA</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于联合集合卡尔曼滤波的锂电池SOC估计</title><source>DOAJ Directory of Open Access Journals</source><creator>陈刚 ; 储建新 ; 潘炫霖 ; 雷健新 ; 郑迪</creator><creatorcontrib>陈刚 ; 储建新 ; 潘炫霖 ; 雷健新 ; 郑迪</creatorcontrib><description>TM912; 锂电池的SOC(荷电状态)准确估计是电池管理系统及其控制的基础.现有扩展卡尔曼滤波、无迹卡尔曼滤波等方法需计算高维雅克比矩阵或协方差矩阵,对计算能力要求较高.结合数据同化和集合预报的思想,提出基于联合EnKF(集合卡尔曼滤波)的锂电池SOC估计方法.该方法利用集合的统计特征来表征状态变量,避免了高维矩阵的运算,对SOC和模型参数进行联合估计,可提高算法速度和精度.建立了锂电池等效电路模型并辨识了模型初始参数,得到了开路电压曲线.在EnKF的基础上,针对充放电过程中模型参数的变化,提出了基于联合EnKF的SOC估计方法,可在计算过程中联合估计SOC和模型参数.实验结果表明,所提方法可准确高效地估计锂电池的SOC.</description><identifier>ISSN: 1007-1881</identifier><identifier>DOI: 10.19585/j.zjdl.202101018</identifier><language>chi</language><publisher>国网浙江海盐县供电有限公司,浙江 嘉兴 314300%中国计量大学,杭州 310018</publisher><ispartof>浙江电力, 2021, Vol.40 (1), p.123-130</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/zjdl/zjdl.jpg</thumbnail><link.rule.ids>314,776,780,860,4009,27902,27903,27904</link.rule.ids></links><search><creatorcontrib>陈刚</creatorcontrib><creatorcontrib>储建新</creatorcontrib><creatorcontrib>潘炫霖</creatorcontrib><creatorcontrib>雷健新</creatorcontrib><creatorcontrib>郑迪</creatorcontrib><title>基于联合集合卡尔曼滤波的锂电池SOC估计</title><title>浙江电力</title><description>TM912; 锂电池的SOC(荷电状态)准确估计是电池管理系统及其控制的基础.现有扩展卡尔曼滤波、无迹卡尔曼滤波等方法需计算高维雅克比矩阵或协方差矩阵,对计算能力要求较高.结合数据同化和集合预报的思想,提出基于联合EnKF(集合卡尔曼滤波)的锂电池SOC估计方法.该方法利用集合的统计特征来表征状态变量,避免了高维矩阵的运算,对SOC和模型参数进行联合估计,可提高算法速度和精度.建立了锂电池等效电路模型并辨识了模型初始参数,得到了开路电压曲线.在EnKF的基础上,针对充放电过程中模型参数的变化,提出了基于联合EnKF的SOC估计方法,可在计算过程中联合估计SOC和模型参数.实验结果表明,所提方法可准确高效地估计锂电池的SOC.</description><issn>1007-1881</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2021</creationdate><recordtype>article</recordtype><recordid>eNpjYJA0NNAztDS1MNXP0qvKSsnRMzIwMjQAQgsWBk5DAwNzXUMLC0MOBt7i4swkAwNDQyNLM1NLTgazp_N3PdnV96JxytMJHS9ntwHJp70Ln26Y8mz2nme7lzzbvOj5rJaXU5qeT9n6bOOCYH_nJ3s2vFi3kIeBNS0xpziVF0pzM4S6uYY4e-j6-Lt7Ojv66BYD7bTUNTJLNLQ0SEtJtjBMSU4zTEo1M0lJNTK2TLO0tEhJMzFKMTAFipubGhkmmaWlWJiYmBumGieZm5snGaVZmiVbGHMzqELMLU_MS0vMS4_Pyi8tygPaGA_yJMyPlsYAgk5ZdA</recordid><startdate>2021</startdate><enddate>2021</enddate><creator>陈刚</creator><creator>储建新</creator><creator>潘炫霖</creator><creator>雷健新</creator><creator>郑迪</creator><general>国网浙江海盐县供电有限公司,浙江 嘉兴 314300%中国计量大学,杭州 310018</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2021</creationdate><title>基于联合集合卡尔曼滤波的锂电池SOC估计</title><author>陈刚 ; 储建新 ; 潘炫霖 ; 雷健新 ; 郑迪</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s1009-26a190fdc81dcf1be64de239f998df42d05dcf7521b6fd84471e3b777b2f96c83</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2021</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>陈刚</creatorcontrib><creatorcontrib>储建新</creatorcontrib><creatorcontrib>潘炫霖</creatorcontrib><creatorcontrib>雷健新</creatorcontrib><creatorcontrib>郑迪</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>浙江电力</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>陈刚</au><au>储建新</au><au>潘炫霖</au><au>雷健新</au><au>郑迪</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于联合集合卡尔曼滤波的锂电池SOC估计</atitle><jtitle>浙江电力</jtitle><date>2021</date><risdate>2021</risdate><volume>40</volume><issue>1</issue><spage>123</spage><epage>130</epage><pages>123-130</pages><issn>1007-1881</issn><abstract>TM912; 锂电池的SOC(荷电状态)准确估计是电池管理系统及其控制的基础.现有扩展卡尔曼滤波、无迹卡尔曼滤波等方法需计算高维雅克比矩阵或协方差矩阵,对计算能力要求较高.结合数据同化和集合预报的思想,提出基于联合EnKF(集合卡尔曼滤波)的锂电池SOC估计方法.该方法利用集合的统计特征来表征状态变量,避免了高维矩阵的运算,对SOC和模型参数进行联合估计,可提高算法速度和精度.建立了锂电池等效电路模型并辨识了模型初始参数,得到了开路电压曲线.在EnKF的基础上,针对充放电过程中模型参数的变化,提出了基于联合EnKF的SOC估计方法,可在计算过程中联合估计SOC和模型参数.实验结果表明,所提方法可准确高效地估计锂电池的SOC.</abstract><pub>国网浙江海盐县供电有限公司,浙江 嘉兴 314300%中国计量大学,杭州 310018</pub><doi>10.19585/j.zjdl.202101018</doi><tpages>8</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1007-1881
ispartof 浙江电力, 2021, Vol.40 (1), p.123-130
issn 1007-1881
language chi
recordid cdi_wanfang_journals_zjdl202101019
source DOAJ Directory of Open Access Journals
title 基于联合集合卡尔曼滤波的锂电池SOC估计
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-25T14%3A25%3A36IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E8%81%94%E5%90%88%E9%9B%86%E5%90%88%E5%8D%A1%E5%B0%94%E6%9B%BC%E6%BB%A4%E6%B3%A2%E7%9A%84%E9%94%82%E7%94%B5%E6%B1%A0SOC%E4%BC%B0%E8%AE%A1&rft.jtitle=%E6%B5%99%E6%B1%9F%E7%94%B5%E5%8A%9B&rft.au=%E9%99%88%E5%88%9A&rft.date=2021&rft.volume=40&rft.issue=1&rft.spage=123&rft.epage=130&rft.pages=123-130&rft.issn=1007-1881&rft_id=info:doi/10.19585/j.zjdl.202101018&rft_dat=%3Cwanfang_jour%3Ezjdl202101019%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=zjdl202101019&rfr_iscdi=true