多元宇宙优化估算锂离子电池的SOC与SOH

Estimation of SOC and SOH for Li-ion battery by multi-verse optimization

朱冰 ¹夏天²

扫码查看

作者信息

1. 上海电子信息职业技术学院通信与信息工程学院,上海市 201411
2. 上海第二工业大学计算机与信息工程学院,上海市 201209
折叠

摘要

估计电池的荷电状态(SOC)和健康状态(SOH)是锂离子电池管理中最复杂的任务之一.目前,针对SOC和SOH的估计存在跟踪值误差较大、噪声误差较大和计算量大等问题,引入多元宇宙优化(MVO)算法,对照电池的实际输出电压,模型的拟合度可达 95.3%.通过 14 次迭代得到SOC的稳定估计值,与传统的循环次数法对比,SOH估计的稳定性提高了119%,并减小了 78%的计算空间需求.

Abstract

Estimating the state of charge(SOC)and state of health(SOH)of the battery is one of the most complex tasks in Li-ion battery management.Currently,for the estimation of SOC and SOH,there are issues such as large tracking value error,large noise error and large computation,multi-verse optimization(MVO)algorithm are introduced,the fit of the model is up to 95.3%against the actual output voltage of the battery.The stable estimation of SOC is obtained through 14 iterations,which improves the stability of SOH estimation by 119%and reduces the computational space requirement by 78%compared with the traditional cycle number method.

关键词

算法/状态估计/多元宇宙优化(MVO)/荷电状态(SOC)/健康状态(SOH)/储能

Key words

algorithm/state estimation/multi-verse optimization(MVO)/state of charge(SOC)/state of health(SOH)/energy storage

引用本文复制引用

基金项目

教育部教育管理中心"十三五"重点课题(JYB-ZJ1716)

出版年

2024

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

段落导航