期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于自回归各态历经模型参数辨识的模糊双卡尔曼滤波算法的储能电池荷电状态估算
被引量：
9
1
作者
丁稳房
付晓光
张轩豪
《科学技术与工程》
北大核心
2020年第6期2299-2304,共6页
扩展卡尔曼滤波(extended Kalman filter,EKF)算法在电池荷电状态(state of charge,SOC)估算领域广泛应用。但作为一种基于模型的算法,电池模型误差影响SOC估算的精度。为了抑制电流的幅值与阶跃电流因素对模型误差的影响,提出一种动态...
扩展卡尔曼滤波(extended Kalman filter,EKF)算法在电池荷电状态(state of charge,SOC)估算领域广泛应用。但作为一种基于模型的算法,电池模型误差影响SOC估算的精度。为了抑制电流的幅值与阶跃电流因素对模型误差的影响,提出一种动态修正观测噪声协方差的模糊双卡尔曼滤波(fuzzy dual Kalman filter,FDKF)算法。该算法首先将一阶电阻-电容(resistor-capacitance,RC)等效模型转换为自回归各态历经(autoregressive exogenous,ARX)模型的形式,用卡尔曼滤波(Kalman filter,KF)算法更新转换后模型的参数,且在SOC估算的过程中获取电流与电流变化量的数据,并通过建立模糊控制系统调整观测噪声的协方差值来抵消模型误差。结果表明:FDKF算法在某储能工况下估算误差的最大值为0.39%,小于EKF算法的3.92%和双卡尔曼滤波(dual Kalman filter,DKF)算法的1.12%,可见FDKF该算法能够有效地提升SOC估算的精度。
展开更多
关键词
荷电状
态
模糊双卡尔曼滤波
观测噪声
自回归各态历经模型
模糊控制
在线阅读
下载PDF
职称材料
基于ARX模型的锂离子电池荷电状态在线估算
被引量：
16
2
作者
聂文亮
谭伟杰
+2 位作者
邱刚
李春莉
聂祥飞
《中国电机工程学报》
EI
CSCD
北大核心
2018年第18期5415-5424,共10页
准确估计锂电池荷电状态（state-of-charge,So C）是电源管理系统的核心技术问题之一。针对锂离子电池等效电路模型参数难以获取这一关键问题,该文采用自回归各态历经（autoregressive exogenous,ARX）模型建立锂电池等效模型,由基于赤...
准确估计锂电池荷电状态（state-of-charge,So C）是电源管理系统的核心技术问题之一。针对锂离子电池等效电路模型参数难以获取这一关键问题,该文采用自回归各态历经（autoregressive exogenous,ARX）模型建立锂电池等效模型,由基于赤池信息量准则的遗传算法确定ARX模型的阶数,采用递推最小二乘法获取模型系数;然后利用得到的模型系数和锂电池状态方程构造自适应卡尔曼滤波（adaptive Kalman filter,AKF）算法所需方程,再由卡尔曼迭代方程求出锂电池SoC,文中将这种估计锂电池SoC的方法称为ARX-AKF算法。最后,通过多组对比实验,验证了该算法的有效性和准确性。实验结果表明：在混合动力脉冲能力特性实验和美国城市循环工况下,采用该算法的锂电池SoC估计误差分别在0.5%和0.8%以内,从而证实了该算法具有一定的工程应用价值。
展开更多
关键词
锂离子电池
荷电状
态
自回归各态历经模型
自适应卡尔曼滤波算法
遗传算法
在线阅读
下载PDF
职称材料
题名
基于自回归各态历经模型参数辨识的模糊双卡尔曼滤波算法的储能电池荷电状态估算
被引量：
9
1
作者
丁稳房
付晓光
张轩豪
机构
湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室
出处
《科学技术与工程》
北大核心
2020年第6期2299-2304,共6页
文摘
扩展卡尔曼滤波(extended Kalman filter,EKF)算法在电池荷电状态(state of charge,SOC)估算领域广泛应用。但作为一种基于模型的算法,电池模型误差影响SOC估算的精度。为了抑制电流的幅值与阶跃电流因素对模型误差的影响,提出一种动态修正观测噪声协方差的模糊双卡尔曼滤波(fuzzy dual Kalman filter,FDKF)算法。该算法首先将一阶电阻-电容(resistor-capacitance,RC)等效模型转换为自回归各态历经(autoregressive exogenous,ARX)模型的形式,用卡尔曼滤波(Kalman filter,KF)算法更新转换后模型的参数,且在SOC估算的过程中获取电流与电流变化量的数据,并通过建立模糊控制系统调整观测噪声的协方差值来抵消模型误差。结果表明:FDKF算法在某储能工况下估算误差的最大值为0.39%,小于EKF算法的3.92%和双卡尔曼滤波(dual Kalman filter,DKF)算法的1.12%,可见FDKF该算法能够有效地提升SOC估算的精度。
关键词
荷电状
态
模糊双卡尔曼滤波
观测噪声
自回归各态历经模型
模糊控制
Keywords
state-of-charge
fuzzy dual Kalman filter
observation noise
autoregressive exogenous model
fuzzy control
分类号
TM912.9 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
基于ARX模型的锂离子电池荷电状态在线估算
被引量：
16
2
作者
聂文亮
谭伟杰
邱刚
李春莉
聂祥飞
机构
重庆三峡学院电子与信息工程学院
西北工业大学航海学院
出处
《中国电机工程学报》
EI
CSCD
北大核心
2018年第18期5415-5424,共10页
基金
国家重点研究发展计划项目(2017YFC0804704)
重庆高校创新团队建设计划资助项目(CXTDX201601034)
重庆市教育委员会科学技术研究项目资助项目(KJ1601022)~~
文摘
准确估计锂电池荷电状态（state-of-charge,So C）是电源管理系统的核心技术问题之一。针对锂离子电池等效电路模型参数难以获取这一关键问题,该文采用自回归各态历经（autoregressive exogenous,ARX）模型建立锂电池等效模型,由基于赤池信息量准则的遗传算法确定ARX模型的阶数,采用递推最小二乘法获取模型系数;然后利用得到的模型系数和锂电池状态方程构造自适应卡尔曼滤波（adaptive Kalman filter,AKF）算法所需方程,再由卡尔曼迭代方程求出锂电池SoC,文中将这种估计锂电池SoC的方法称为ARX-AKF算法。最后,通过多组对比实验,验证了该算法的有效性和准确性。实验结果表明：在混合动力脉冲能力特性实验和美国城市循环工况下,采用该算法的锂电池SoC估计误差分别在0.5%和0.8%以内,从而证实了该算法具有一定的工程应用价值。
关键词
锂离子电池
荷电状
态
自回归各态历经模型
自适应卡尔曼滤波算法
遗传算法
Keywords
Lithium-ion battery
state-of-charge （SoC）
autoregressive exogenous （ARX） model
adaptive Kalman filter （AKF）
genetic algorithm
分类号
TM912 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自回归各态历经模型参数辨识的模糊双卡尔曼滤波算法的储能电池荷电状态估算
丁稳房
付晓光
张轩豪
《科学技术与工程》
北大核心
2020
9
在线阅读
下载PDF
职称材料
2
基于ARX模型的锂离子电池荷电状态在线估算
聂文亮
谭伟杰
邱刚
李春莉
聂祥飞
《中国电机工程学报》
EI
CSCD
北大核心
2018
16
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
