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
1
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EKF-HInformer模型估计汽车动力电池的SOC&SOH
被引量：
1
1
作者
彭自然
杨肖阳
肖伸平
《电子测量与仪器学报》
北大核心
2025年第3期21-33,共13页
针对传统模型荷电状态(SOC)和健康状态(SOH)估计精度低、鲁棒性差的问题,提出一种基于扩展卡尔曼滤波(EKF)和深度学习模型Informer改进优化的估计模型EKF-HInformer,实现电动汽车动力电池SOC与SOH的实时精准估计。首先,运用EKF算法归一...
针对传统模型荷电状态(SOC)和健康状态(SOH)估计精度低、鲁棒性差的问题,提出一种基于扩展卡尔曼滤波(EKF)和深度学习模型Informer改进优化的估计模型EKF-HInformer,实现电动汽车动力电池SOC与SOH的实时精准估计。首先,运用EKF算法归一化整理电池实时数据,并通过调整自适应增益因子减少噪声波动,提高EKF数据滤波处理的性能。然后,运用Informer网络模型对归一化后的电池数据进行智能估计。为减少Informer模型离群点或异常值所导致的注意力权重偏差问题,采用Hampel算法对Informer进行优化,提高多头概率稀疏自注意力机制特征学习的能力。最后,把滤波整理后的数据输入到HInformer网络中估算实时的SOC和SOH。采用牛津大学与马里兰大学的电池数据集进行实验验证,结果显示SOC与SOH估计精度均超99.5%,均方根误差(RMSE)小于1%,最大绝对误差(MAXE)小于0.5%。相比传统Informer、Transformer和长短期记忆(LSTM)模型,该模型估计SOC和SOH的速度更快、准确度更高,展现出优越的鲁棒性和泛化能力。
展开更多
关键词
动力电池
荷电状态
健康状态
自适应增益因子
扩展卡尔曼滤波
Hampel优化算法
INFORMER
在线阅读
下载PDF
职称材料
题名
基于EKF-HInformer模型估计汽车动力电池的SOC&SOH
被引量：
1
1
作者
彭自然
杨肖阳
肖伸平
机构
湖南工业大学电气与信息工程学院
电传动控制与智能装备湖南省重点实验室
出处
《电子测量与仪器学报》
北大核心
2025年第3期21-33,共13页
基金
国家重点研发计划基金(2019YFE0122600)
湖南省教育厅重点科研项目(22A0423)
湖南省自然科学基金(2023JJ60267,2022JJ50073)项目资助。
文摘
针对传统模型荷电状态(SOC)和健康状态(SOH)估计精度低、鲁棒性差的问题,提出一种基于扩展卡尔曼滤波(EKF)和深度学习模型Informer改进优化的估计模型EKF-HInformer,实现电动汽车动力电池SOC与SOH的实时精准估计。首先,运用EKF算法归一化整理电池实时数据,并通过调整自适应增益因子减少噪声波动,提高EKF数据滤波处理的性能。然后,运用Informer网络模型对归一化后的电池数据进行智能估计。为减少Informer模型离群点或异常值所导致的注意力权重偏差问题,采用Hampel算法对Informer进行优化,提高多头概率稀疏自注意力机制特征学习的能力。最后,把滤波整理后的数据输入到HInformer网络中估算实时的SOC和SOH。采用牛津大学与马里兰大学的电池数据集进行实验验证,结果显示SOC与SOH估计精度均超99.5%,均方根误差(RMSE)小于1%,最大绝对误差(MAXE)小于0.5%。相比传统Informer、Transformer和长短期记忆(LSTM)模型,该模型估计SOC和SOH的速度更快、准确度更高,展现出优越的鲁棒性和泛化能力。
关键词
动力电池
荷电状态
健康状态
自适应增益因子
扩展卡尔曼滤波
Hampel优化算法
INFORMER
Keywords
power battery
state of health
state of charge
adaptive gain factor
extended Kalman filter
Hampel optimisation algorithm
Informer
分类号
TN919.5 [电子电信—通信与信息系统]
TP183 [自动化与计算机技术—控制理论与控制工程]
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EKF-HInformer模型估计汽车动力电池的SOC&SOH
彭自然
杨肖阳
肖伸平
《电子测量与仪器学报》
北大核心
2025
1
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
