基于扩展卡尔曼神经网络算法估计电池SOC | |
韩忠华; 刘珊珊; 石刚![]() | |
刊名 | 电子技术应用
![]() |
2016 | |
卷号 | 42期号:7页码:76-78,82 |
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 |
ISSN号 | 0258-7998 |
其他题名 | Estimation of battery SOC based on extended Kalman filter with neural network algorithms |
通讯作者 | 韩忠华 |
产权排序 | 1 |
中文摘要 | 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%。 |
英文摘要 | An extended Kalman filter algorithm(EKF) with neural network is used to estimate the state of lithium battery(SOC), which is based on Thevenin equivalent circuit. In the process of extended Kalman filter estimation, the real-time model parameters should be updated with the different SOC regard to the different SOC the different model parameters. The traditional approach which has a big error is that the fitting curve between SOC and the various separate parameters is common. To solve this problem neural net- work is applied to fit curve between the parameters of circuit model and the SOC separately. Finally, the results with the error less than 3% show that compared with the pure extended Kalman algorithm, the method can realize the more accurate estimation of the remaining battery power. |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.sia.cn/handle/173321/18820] ![]() |
专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
推荐引用方式 GB/T 7714 | 韩忠华,刘珊珊,石刚,等. 基于扩展卡尔曼神经网络算法估计电池SOC[J]. 电子技术应用,2016,42(7):76-78,82. |
APA | 韩忠华,刘珊珊,石刚,&董挺.(2016).基于扩展卡尔曼神经网络算法估计电池SOC.电子技术应用,42(7),76-78,82. |
MLA | 韩忠华,et al."基于扩展卡尔曼神经网络算法估计电池SOC".电子技术应用 42.7(2016):76-78,82. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论