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
3
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
基于双自适应扩展粒子滤波器的锂离子电池状态联合估计
被引量：
10
1
作者
刘旖琦
雷万钧
+2 位作者
刘茜
高乙朝
董明
《电工技术学报》
EI
CSCD
北大核心
2024年第2期607-616,共10页
为了更好地优化电池的能量管理,提高电池的利用效率,加强电池的安全性能,有必要对锂离子电池的荷电状态(SOC)和健康状态(SOH)进行精确估计。为解决噪声协方差取值和粒子采样分布问题,该文首先提出自适应扩展粒子滤波(AEPF)算法,根据状...
为了更好地优化电池的能量管理,提高电池的利用效率,加强电池的安全性能,有必要对锂离子电池的荷电状态(SOC)和健康状态(SOH)进行精确估计。为解决噪声协方差取值和粒子采样分布问题,该文首先提出自适应扩展粒子滤波(AEPF)算法,根据状态向量预测的准确度自适应调整噪声协方差,并利用扩展卡尔曼滤波实现粒子分布函数的局部线性化。随后利用双自适应扩展粒子滤波(DAEPF)算法进一步实现电池SOC和SOH的联合估计,避免电池使用过程中模型参数变化对SOC估计的影响,并结合多时间尺度的方法节约所需的计算资源。最后在动态工况条件下对不同电池模型与算法进行对照实验,结果表明,改进后的算法收敛速度明显提升,且能够显著地提高电池的SOC与SOH的估计精度。
展开更多
关键词
锂离子电池
分数阶模型
荷电状态
健康状态
自适应扩展粒子滤波
在线阅读
下载PDF
职称材料
基于AEKPF算法对锂离子电池SOC与SOH的联合估计
被引量：
10
2
作者
张新锋
姚蒙蒙
+1 位作者
宋瑞
崔金龙
《江苏大学学报（自然科学版）》
CAS
北大核心
2022年第1期24-31,共8页
为了提高锂离子电池SOC(state of charge)和SOH(state of health)的估计精度,采用自适应扩展卡尔曼粒子滤波(adaptive extended Kalman particle filter,AEKPF)算法估算SOC和SOH,该算法通过修正噪声可以解决运用EKF(extended Kalman fil...
为了提高锂离子电池SOC(state of charge)和SOH(state of health)的估计精度,采用自适应扩展卡尔曼粒子滤波(adaptive extended Kalman particle filter,AEKPF)算法估算SOC和SOH,该算法通过修正噪声可以解决运用EKF(extended Kalman filter)算法时的噪声误差累积问题,并且AEKF(adaptive extended Kalman filter)算法作为PF(particle filter)算法的建议分布用来实时更新粒子,可以改善单独采用PF算法时的粒子退化问题.为了提高SOC的估计精度,提出考虑电池的劣化特征,联合SOH实现对SOC的修正估计.在Matlab环境下的仿真结果表明:AEKPF算法与AEKF算法相比,可以得到更加准确的SOC和SOH估计值,而且AEKPF算法联合SOH可以有效提高SOC的估计精度,仿真绝对误差不超过±1%.
展开更多
关键词
锂离子电池
SOC估计
SOH估计
自适应
扩展
卡尔曼
粒子
滤波
算法
联合估计
在线阅读
下载PDF
职称材料
简化分数阶AEPF的锂电池SOC估计算法
被引量：
2
3
作者
张宵洋
陈康义
吴新波
《电源技术》
CAS
北大核心
2022年第10期1156-1160,共5页
电池极化效应、随机干扰以及电池在整个寿命周期内高度非线性和动态特性,给电池荷电状态(SOC)在线精确估计带来了许多挑战。等效模型的精确表达与估计算法的优化设计是提高SOC估计精度的两大重要技术路线。对此,提出了基于分数阶模型自...
电池极化效应、随机干扰以及电池在整个寿命周期内高度非线性和动态特性,给电池荷电状态(SOC)在线精确估计带来了许多挑战。等效模型的精确表达与估计算法的优化设计是提高SOC估计精度的两大重要技术路线。对此,提出了基于分数阶模型自适应扩展卡尔曼粒子滤波(FOAEPF)的SOC估计方法。对分数阶模型(FOM)的二项式系数的求和项进行了适当的截断,从而得到了能够有效降低计算量的简化分数阶模型。然后运用AEPF算法估计电池的SOC。自适应扩展卡尔曼滤波被用作粒子滤波算法的建议分布函数,不但解决了粒子滤波算法的粒子退化问题,而且能够充分结合两类算法的优势实现二次滤波。多组实验的测试结果表明所提出的方法在削减计算负担的基础上,能够进一步提高电池SOC估计精度与鲁棒性。
展开更多
关键词
锂电池
分数阶
自适应
扩展
卡尔曼
粒子
滤波
荷电状态
在线阅读
下载PDF
职称材料
题名
基于双自适应扩展粒子滤波器的锂离子电池状态联合估计
被引量：
10
1
作者
刘旖琦
雷万钧
刘茜
高乙朝
董明
机构
西安交通大学电气工程学院
出处
《电工技术学报》
EI
CSCD
北大核心
2024年第2期607-616,共10页
基金
国家重点研发计划资助项目(2018YFB0905800)。
文摘
为了更好地优化电池的能量管理,提高电池的利用效率,加强电池的安全性能,有必要对锂离子电池的荷电状态(SOC)和健康状态(SOH)进行精确估计。为解决噪声协方差取值和粒子采样分布问题,该文首先提出自适应扩展粒子滤波(AEPF)算法,根据状态向量预测的准确度自适应调整噪声协方差,并利用扩展卡尔曼滤波实现粒子分布函数的局部线性化。随后利用双自适应扩展粒子滤波(DAEPF)算法进一步实现电池SOC和SOH的联合估计,避免电池使用过程中模型参数变化对SOC估计的影响,并结合多时间尺度的方法节约所需的计算资源。最后在动态工况条件下对不同电池模型与算法进行对照实验,结果表明,改进后的算法收敛速度明显提升,且能够显著地提高电池的SOC与SOH的估计精度。
关键词
锂离子电池
分数阶模型
荷电状态
健康状态
自适应扩展粒子滤波
Keywords
Lithium-ion battery
fractional order model
state of charge
state of health
adaptive extended particle filter
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
基于AEKPF算法对锂离子电池SOC与SOH的联合估计
被引量：
10
2
作者
张新锋
姚蒙蒙
宋瑞
崔金龙
机构
长安大学汽车学院
中汽研汽车检验中心(广州)有限公司
出处
《江苏大学学报（自然科学版）》
CAS
北大核心
2022年第1期24-31,共8页
基金
中央高校基本科研业务费专项资金资助项目(CHD2012JC048,72105473)
广东省重点领域研发计划项目(2020B090919004)。
文摘
为了提高锂离子电池SOC(state of charge)和SOH(state of health)的估计精度,采用自适应扩展卡尔曼粒子滤波(adaptive extended Kalman particle filter,AEKPF)算法估算SOC和SOH,该算法通过修正噪声可以解决运用EKF(extended Kalman filter)算法时的噪声误差累积问题,并且AEKF(adaptive extended Kalman filter)算法作为PF(particle filter)算法的建议分布用来实时更新粒子,可以改善单独采用PF算法时的粒子退化问题.为了提高SOC的估计精度,提出考虑电池的劣化特征,联合SOH实现对SOC的修正估计.在Matlab环境下的仿真结果表明:AEKPF算法与AEKF算法相比,可以得到更加准确的SOC和SOH估计值,而且AEKPF算法联合SOH可以有效提高SOC的估计精度,仿真绝对误差不超过±1%.
关键词
锂离子电池
SOC估计
SOH估计
自适应
扩展
卡尔曼
粒子
滤波
算法
联合估计
Keywords
Li-ion battery
SOC estimation
SOH estimation
AEKPF algorithm
joint estimation
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
简化分数阶AEPF的锂电池SOC估计算法
被引量：
2
3
作者
张宵洋
陈康义
吴新波
机构
九州电子有限公司
哈尔滨工业大学化工与化学学院
出处
《电源技术》
CAS
北大核心
2022年第10期1156-1160,共5页
文摘
电池极化效应、随机干扰以及电池在整个寿命周期内高度非线性和动态特性,给电池荷电状态(SOC)在线精确估计带来了许多挑战。等效模型的精确表达与估计算法的优化设计是提高SOC估计精度的两大重要技术路线。对此,提出了基于分数阶模型自适应扩展卡尔曼粒子滤波(FOAEPF)的SOC估计方法。对分数阶模型(FOM)的二项式系数的求和项进行了适当的截断,从而得到了能够有效降低计算量的简化分数阶模型。然后运用AEPF算法估计电池的SOC。自适应扩展卡尔曼滤波被用作粒子滤波算法的建议分布函数,不但解决了粒子滤波算法的粒子退化问题,而且能够充分结合两类算法的优势实现二次滤波。多组实验的测试结果表明所提出的方法在削减计算负担的基础上,能够进一步提高电池SOC估计精度与鲁棒性。
关键词
锂电池
分数阶
自适应
扩展
卡尔曼
粒子
滤波
荷电状态
Keywords
lithium battery
fractional order
adaptive extended Kalman particle filter
state of charge
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
作者
出处
发文年
被引量
操作
1
基于双自适应扩展粒子滤波器的锂离子电池状态联合估计
刘旖琦
雷万钧
刘茜
高乙朝
董明
《电工技术学报》
EI
CSCD
北大核心
2024
10
在线阅读
下载PDF
职称材料
2
基于AEKPF算法对锂离子电池SOC与SOH的联合估计
张新锋
姚蒙蒙
宋瑞
崔金龙
《江苏大学学报（自然科学版）》
CAS
北大核心
2022
10
在线阅读
下载PDF
职称材料
3
简化分数阶AEPF的锂电池SOC估计算法
张宵洋
陈康义
吴新波
《电源技术》
CAS
北大核心
2022
2
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
