-
作者
凌六一吴贤圆王星凯邢丽坤卢路
-
单位
安徽理工大学电气与信息工程学院安徽理工大学人工智能学院
-
摘要
针对锂电池模型参数辨识不准确以及传统无迹卡尔曼滤波(UKF)无法对噪声进行实时更新，从而导致锂电池荷电状态(SOC)估计误差偏大的问题，提出遗忘因子递推最小二乘法-自适应无迹卡尔曼滤波(FFRLS-AUKF)算法。先利用遗忘因子递推最小二乘法(FFRLS)对电池二阶RC等效电路模型进行在线参数辨识，再将所辨识的各参数传给由UKF和改进的Sage-Husa算法结合得到的AUKF,从而完成对锂电池的SOC估计，并将其与FFRLS-UKF以及离线UKF所估计的结果相比较。从对SOC估计的误差曲线和平均绝对误差以及均方根误差的数值上对比，均可得出FFRLS-AUKF的精度更高，稳定性更好。
-
关键词
SOC估计无迹卡尔曼滤波Sage-Husa遗忘因子递推最小二乘法
-
基金项目(Foundation)
安徽省高校自然科学基金资助项目(KJ2019A0106)；
-
文章目录
1 电池模型
1.1 二阶RC等效电路
1.2 UOC-SOC曲线
1.3 模型参数辨识
2 AUKF
2.1 UKF
2.2 改进的Sage-Husa
3 FFRLS-AUKF
4 结果与分析
4.1 遗忘因子μ的选取
4.2 FFRLS-AUKF在线辨识的参数
4.3 测试结果对比
5 总结
-
引用格式
凌六一,吴贤圆,王星凯,邢丽坤,卢路.基于FFRLS-AUKF的锂电池参数在线辨识及SOC估计[J].安徽理工大学学报(自然科学版),2023,43(01):1-7.
-
相关文章
安徽理工大学学报（自然科学版） 
2023年第01期 
