为了准确有效地估计蓄电池的荷电状态(S O C),以Thevenin电池模型为基础,采用模糊自适应卡尔曼滤波算法进行电池S O C的估算。该方法将卡尔曼滤波和模糊推理系统相结合,利用模糊推理系统监测卡尔曼滤波算法中的残差理论方差与实际方差...为了准确有效地估计蓄电池的荷电状态(S O C),以Thevenin电池模型为基础,采用模糊自适应卡尔曼滤波算法进行电池S O C的估算。该方法将卡尔曼滤波和模糊推理系统相结合,利用模糊推理系统监测卡尔曼滤波算法中的残差理论方差与实际方差的比值,实时调整量测噪声方差,从而提高滤波器的精度。仿真结果表明,该算法能有效地估算电池的S O C,其精度优于常规的卡尔曼滤波算法,有良好的实用性。展开更多
文摘为了准确有效地估计蓄电池的荷电状态(S O C),以Thevenin电池模型为基础,采用模糊自适应卡尔曼滤波算法进行电池S O C的估算。该方法将卡尔曼滤波和模糊推理系统相结合,利用模糊推理系统监测卡尔曼滤波算法中的残差理论方差与实际方差的比值,实时调整量测噪声方差,从而提高滤波器的精度。仿真结果表明,该算法能有效地估算电池的S O C,其精度优于常规的卡尔曼滤波算法,有良好的实用性。