论文摘要
蓄电池的荷电状态（state of charge,SOC）是表征电池当前剩余电量的重要参数。提出一种基于神经网络和主从式自适应无迹卡尔曼滤波（masterslaveadaptiveunscented Kalmanfilter,MS-UKF）算法的SOC估计方法。首先,建立蓄电池的戴维南（Thevenin）二阶模型,针对开路电压与电池SOC之间的非线性关系,采用神经网络模型代替多项式模型,以提高拟合精度。根据实时测量数据,基于最小二乘法在线确定电池模型的参数。针对传统的扩展卡尔曼滤波（extendedKalmanfilter,EKF）和无迹卡尔曼滤波（unscented Kalman filter,UKF）方法存在噪声方差固定,会产生误差造成估计精度不高的问题,采用MS-AUKF算法。该算法的主滤波器用来估计系统状态,辅助滤波器用来估计噪声方差矩阵。算法每次迭代时更新系统模型的噪声方差,克服了传统卡尔曼滤波算法中,噪声方差初值人为设定可能导致滤波发散的缺点。仿真结果表明,相比于EKF、UKF算法,MSAUKF在估计电池SOC时具有更高的精确度和收敛速度。
论文目录
文章来源
类型: 期刊论文
作者: 吴忠强,尚梦瑶,申丹丹,戚松岐
关键词: 蓄电池,等效电路,参数辨识,荷电状态
来源: 中国电机工程学报 2019年21期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 工业计算机控制工程河北省重点实验室(燕山大学)
基金: 河北省自然科学基金项目(F2016203006)~~
分类号: TM912
DOI: 10.13334/j.0258-8013.pcsee.181720
页码: 6336-6344
总页数: 9
文件大小: 791K
下载量: 446