基于多模型模糊扩展卡尔曼滤波的电池SOC预测

论文摘要

随着电池充放电次数的增加,电池充放电特性会发生变化,难以使用单一数学模型加以描述,从而限制了传统卡尔曼滤波预测电池SOC值的精度。针对不同充放电次数的电池分别建立数学模型,并通过卡尔曼滤波对不同模型的电池荷电状态进行预测。采用模糊推理确定不同模型预测结果的权重,并加权求和作为最终结果。实验表明,该预测方法在不增加测量装置硬件成本的基础上,有效提高了电池SOC值的预测精度。

论文目录

• 1 电池模型的建立
• 2 扩展卡尔曼滤波
• 3 模糊多模型扩展卡尔曼滤波算法
• 4 仿真实验
• 5 结语

文章来源

类型: 期刊论文

作者: 王勇,陈万顺

关键词: 预测,扩展卡尔曼滤波,模糊推理

来源: 长春师范大学学报 2019年06期

年度: 2019

分类: 社会科学Ⅱ辑,工程科技Ⅱ辑

专业: 汽车工业

单位: 芜湖职业技术学院信息工程学院

基金: 安徽省质量工程项目“芜湖职业技术学院江苏新通达汽车智能技术校企合作实践基地”(2017sjjd041),芜湖职业技术学院校级重点项目“基于交互多模型卡尔曼滤波的动力电池荷电状态测量”(Wzyzrzd201702)

分类号: U469.72

页码: 15-18

总页数: 4

文件大小: 1371K

下载量: 144