-
公开(公告)号：CN113030752A
公开(公告)日：2021-06-25
申请号：CN202110398586.1
申请日：2021-04-12
Applicant: 安徽理工大学
IPC: G01R31/388 , G01R31/367
Abstract: 本发明公开了一种基于遗忘因子在线参数辨识和SOC联合估计方法，该方法包括建立锂电池二阶等效电路模型；确定电路各参数与SOC的函数关系，建立锂电池的状态空间方程；首先对SOC状态变量和参数状态变量初始化，在微观时间尺度下，用扩展卡尔曼滤波算法估计锂电池SOC；当锂电池SOC估计达到预设时间后，切换为宏观时间尺度，用变遗忘因子递推最小二乘法辨识等效电路参数，最后更新锂电池等效电路参数和状态空间方程，进行下一轮计算；本发明通过变遗忘因子递推最小二乘法对锂电池模型进行在线参数辨识，并结合扩展卡尔曼滤波算法估计锂电池SOC，解决了遗忘因子递推最小二乘法中遗忘因子固定的问题，实现锂电池参数在线更新，提高了锂电池SOC估计的精度。
-
Patent Agency Ranking
公开(公告)号：CN113138344B
公开(公告)日：2024-03-05
申请号：CN202110463375.1
申请日：2021-04-23
Applicant: 安徽理工大学
IPC: G01R31/367
Abstract: 本发明公开了一种基于分数阶扩展卡尔曼滤波算的SOC估计方法，该方法包括建立锂电池分数阶二阶等效电路模型；确定电路各参数与SOC的函数关系，建立锂电池的状态空间方程；首先对参数初始化，采用自适应遗传算法对分数阶模型参数进行参数辨识；辨识出电池分数阶模型后，采用分数阶扩展卡尔曼滤波算法进行SOC估计；本发明通过自适应遗传算法对分数阶模型进行参数辨识，并结合分数阶扩展卡尔曼滤波算法估计锂电池SOC，解决了整数阶模型不够精准、无(56)对比文件张梦龙.基于分数阶微积分的锂离子电池建模及多状态联合估计研究《.中国优秀硕士学位论文全文数据库工程科技II辑》.2023,(第2期),C042-3366 .田文奇;和敬涵;姜久春;牛利勇;王小君.电动汽车充电负荷空间分配优化算法.电工技术学报.2013,(03),275-282.谭霁宬;颜学龙.基于交互式多模型无迹卡尔曼滤波的锂电池荷电状态估计.科学技术与工程.2019,(12),175-180.
-
公开(公告)号：CN114839550A
公开(公告)日：2022-08-02
申请号：CN202210395241.5
申请日：2022-04-14
Applicant: 安徽理工大学
IPC: G01R31/387 , G01R31/367
Abstract: 本发明公开了锂电池荷电状态(SOC)的精确估计是电动汽车安全行驶的保障。为了降低实际复杂工况下，电池模型不契合实际电池参数时变特性造成的误差，采用无迹卡尔曼滤波算法(UKF)对锂电池二阶等效模型进行在线参数辨识，再联合自适应无迹卡尔曼滤波算法(AUKF)估计锂电池SOC，将时变参数反馈到SOC估计的模型中，提高SOC估计精度和对各工况适应性，UDDS工况下通过与离线单一扩展卡尔曼滤波算法(EKF)、在线双扩展卡尔曼滤波算法(DEKF)进行比较分析，实验结果验证了UKF‑AUKF的精确性和鲁棒性。
-
公开(公告)号：CN114839550B
公开(公告)日：2024-05-10
申请号：CN202210395241.5
申请日：2022-04-14
Applicant: 安徽理工大学
IPC: G01R31/387 , G01R31/367
Abstract: 本发明公开了锂电池荷电状态(SOC)的精确估计是电动汽车安全行驶的保障。为了降低实际复杂工况下，电池模型不契合实际电池参数时变特性造成的误差，采用无迹卡尔曼滤波算法(UKF)对锂电池二阶等效模型进行在线参数辨识，再联合自适应无迹卡尔曼滤波算法(AUKF)估计锂电池SOC，将时变参数反馈到SOC估计的模型中，提高SOC估计精度和对各工况适应性，UDDS工况下通过与离线单一扩展卡尔曼滤波算法(EKF)、在线双扩展卡尔曼滤波算法(DEKF)进行比较分析，实验结果验证了UKF‑AUKF的精确性和鲁棒性。
-
公开(公告)号：CN113030752B
公开(公告)日：2024-03-29
申请号：CN202110398586.1
申请日：2021-04-12
Applicant: 安徽理工大学
IPC: G01R31/388 , G01R31/367
Abstract: 本发明公开了一种基于遗忘因子在线参数辨识和SOC联合估计方法，该方法包括建立锂电池二阶等效电路模型；确定电路各参数与SOC的函数关系，建立锂电池的状态空间方程；首先对SOC状态变量和参数状态变量初始化，在微观时间尺度下，用扩展卡尔曼滤波算法估计锂电池SOC；当锂电池SOC估计达到预设时间后，切换为宏观时间尺度，用变遗忘因子递推最小二乘法辨识等效电路参数，最后更新锂电池等效电路参数和状态空间方程，进行下一轮计算；本发明通过变遗忘因子递推最小二乘法对锂电池模型进行在线参数辨识，并结合扩展卡尔曼滤波算法估计锂电池SOC，解决了遗忘因子递推最小二乘法中遗忘因子固定的问题，实现锂电池参数在线更新，提高了锂电池SOC估计的精度。
-
公开(公告)号：CN113138344A
公开(公告)日：2021-07-20
申请号：CN202110463375.1
申请日：2021-04-23
Applicant: 安徽理工大学
IPC: G01R31/367
Abstract: 本发明公开了一种基于分数阶扩展卡尔曼滤波算的SOC估计方法，该方法包括建立锂电池分数阶二阶等效电路模型；确定电路各参数与SOC的函数关系，建立锂电池的状态空间方程；首先对参数初始化，采用自适应遗传算法对分数阶模型参数进行参数辨识；辨识出电池分数阶模型后，采用分数阶扩展卡尔曼滤波算法进行SOC估计；本发明通过自适应遗传算法对分数阶模型进行参数辨识，并结合分数阶扩展卡尔曼滤波算法估计锂电池SOC，解决了整数阶模型不够精准、无法很好描述电池工况特性的问题，结合分数阶扩展卡尔曼滤波算法，利用过去数据的信息，提高了锂电池SOC估计的精度和鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.012 seconds)
