首页|引入PID反馈的SHAEKF算法估算电池SOC

引入PID反馈的SHAEKF算法估算电池SOC

扫码查看
原文链接
  • 万方数据
  • 维普
电池荷电状态(SOC)的估算精度是电动汽车电池组的重要指标.为提升SOC估算精度,在融合Sage-Husa扩展卡尔曼滤波(SHEKF)算法与自适应扩展卡尔曼滤波(AEKF)算法的基础上,增加比例积分微分(PID)反馈环节,形成改进算法.采用粒子群优化(PSO)算法对二阶RC等效电路模型进行参数辨识;用开源电池数据集对模型和算法进行实验和分析.改进的SHAEKF算法在电池动态应力测试(DST)、北京动态应力测试(BJDST)和美国联邦城市驾驶(FUDS)等工况下的平均估计误差都在1％以内,与单纯的融合算法SHAEKF算法相比,最大误差可减小5％.
Introduction of SHAEKF algorithm with PID feedback for estimating battery SOC

state-of-charge (SOC) estimationsecond-order RC equivalent circuit modelproportional-integral-derivative (PID)particle swarm optimization(PSO) algorithmadaptive extended Kalman filter(AEKF)

蔡黎、向丽红、晏娟、徐青山

展开 >

重庆三峡学院电气工程系,重庆 404000

东南大学电气工程学院,江苏南京 210000

荷电状态(SOC)估算 二阶RC等效电路模型 比例积分微分(PID) 粒子群优化(PSO)算法 自适应扩展卡尔曼滤波(AEKF)

国家自然科学基金重庆市自然科学基金重庆市自然科学基金

51877044CSTB2022NSCQ-MSX16752023NSCQ-LMX0034

2024

10.19535/j.1001-1579.2024.01.010

电池
全国电池工业信息中心 湖南轻工研究院

电池

CSTPCD北大核心
影响因子：0.336
ISSN：1001-1579
年,卷(期)：2024.54(1)
  • 9