基于扩展卡尔曼神经网络算法估计电池SOC

发布时间：2017-08-20 03:22

  本文关键词：基于扩展卡尔曼神经网络算法估计电池SOC

  更多相关文章： 锂离子电池SOC 扩展卡尔曼算法 神经网络 RC电路模型

【摘要】：针对汽车锂电池的荷电状态(SOC)的问题,基于Thevenin电路为等效电路并且应用扩展卡尔曼算法(EKF)结合神经网络算法进行估计。在进行卡尔曼滤波算法估算过程中,需要用到实时的估算模型参数值(最新值),即在不同的SOC下模型的参数不同。传统做法是把SOC与各个参数的关系进行普通的拟合,这种方法在拟合过程中存在较大误差。为了解决这个问题,利用神经网络拟合各个电路模型参数与SOC关系曲线。试验结果表明,与单纯的扩展卡尔曼算法相比,该方法能够准确估计电池剩余电量,误差小于3%。
【作者单位】： 沈阳建筑大学信息与控制工程学院;中国科学院沈阳自动化研究所;中国电子技术标准化研究院;
【关键词】： 锂离子电池SOC 扩展卡尔曼算法 神经网络 RC电路模型
【基金】：国家重大科技专项项目(2011ZX02601-005) 校涵育项目(XKHY2-61)
【分类号】：U463.633;TP18
【正文快照】： 0引言经过近二十年的发展,汽车行业动力蓄电池技术[1-2]已经成熟。电动汽车由于其零排放、零污染、能源利用率高等优点,在新能源汽车中发展潜力巨大。其中,最重要的一部分就是电池荷电状态的监测[3]。电池的荷电状态就是电池在一定放电倍率下,剩余电量与相同条件下额定容量的

【相似文献】

中国期刊全文数据库 前1条

1 李灿;樊孝仁;郭尊光;;GPS/DR汽车自主导航中的卡尔曼联邦滤波算法[J];山西煤炭管理干部学院学报;2009年02期

，

本文编号：704399