基于扩展卡尔曼神经网络算法估计电池SOC

被引：26

作者：

韩忠华 ^{[1
,2
]}

刘珊珊 ^{[1
,2
]}

石刚 ^{[2
]}

董挺 ^{[3
]}

机构：

[1] 沈阳建筑大学信息与控制工程学院

[2] 中国科学院沈阳自动化研究所

[3] 中国电子技术标准化研究院

来源：

电子技术应用 | 2016年 / 42卷 / 07期

关键词：

锂离子电池SOC; 扩展卡尔曼算法; 神经网络; RC电路模型;

D O I：

10.16157/j.issn.0258-7998.2016.07.019

中图分类号：

U463.633 []; TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对汽车锂电池的荷电状态(SOC)的问题,基于Thevenin电路为等效电路并且应用扩展卡尔曼算法(EKF)结合神经网络算法进行估计。在进行卡尔曼滤波算法估算过程中,需要用到实时的估算模型参数值(最新值),即在不同的SOC下模型的参数不同。传统做法是把SOC与各个参数的关系进行普通的拟合,这种方法在拟合过程中存在较大误差。为了解决这个问题,利用神经网络拟合各个电路模型参数与SOC关系曲线。试验结果表明,与单纯的扩展卡尔曼算法相比,该方法能够准确估计电池剩余电量,误差小于3%。

引用

页码：76 / 78+82 +82

页数：4

共 13 条

[1]

动力锂电池组状态估计策略及管理系统技术研究 [D].