基于交互式多模型无迹卡尔曼滤波的锂电池荷电状态估计

基于交互式多模型无迹卡尔曼滤波的锂电池荷电状态估计

论文摘要

为了提高传统卡尔曼滤波法估计锂电池荷电状态(SOC)的精度,在锂电池二阶RC等效电路模型基础上,根据隐马尔科夫模型(HMM)理论并采用遗传算法优化构造出了不同参数状态的电池模型。结合交互式多模型(IMM)算法与无迹卡尔曼滤波(UKF)算法进行SOC估计,提出了一种基于HMM的IMM-UKF算法估计锂电池SOC的方法。锂电池在线SOC估计实验表明,该方法比较其他估计方法有着更高的估计精度,平均绝对误差仅为1%。

论文目录

  • 1 电池模型参数辨识
  • 2 基于HMM的IMM-UKF算法
  •   2.1 HMM隐藏状态转移概率估计
  •   2.2 输入交互
  •   2.3 滤波
  •   2.4 模型概率更新
  •   2.5 输出交互
  • 3 锂电池SOC估计流程与实现
  •   3.1 模型加权因子与优化
  •   3.2 建立状态方程与测量方程
  •   3.3 方法流程图
  • 4 实验验证与分析
  • 5 结论
  • 文章来源

    类型: 期刊论文

    作者: 谭霁宬,颜学龙

    关键词: 荷电状态,隐马尔科夫模型,交互式多模型,无迹卡尔曼滤波,遗传算法

    来源: 科学技术与工程 2019年12期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 电力工业

    单位: 桂林电子科技大学电子工程与自动化学院

    基金: 广西自动检测技术与仪器重点实验基金(YQ17101)资助

    分类号: TM912

    页码: 170-175

    总页数: 6

    文件大小: 310K

    下载量: 169

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于交互式多模型无迹卡尔曼滤波的锂电池荷电状态估计
    下载Doc文档

    猜你喜欢