首页|基于多时间尺度Cholesky分解AEKF的锂电池SOC估计

基于多时间尺度Cholesky分解AEKF的锂电池SOC估计

扫码查看
原文链接
  • 万方数据
  • 维普
建立可靠的锂电池荷电状态估算模型,获取精确估算值已成为锂离子电池组能源和安全管理的核心.选择锂离子电池的二阶等效电路模型为研究对象,提出了一种基于Cholesky分解优化多时间尺度自适应扩展卡尔曼滤波算法.状态方程中,对应不同状态变量子方程,选择不同采样周期,解决不同状态变量的不同时间尺度问题.考虑噪声变化,在扩展卡尔曼滤波的基础上,引入噪声的迭代估计,实现噪声的自适应矫正,结合Cholesky分解方法以克服计算的舍入误差问题.在不同工况下,选用不同型号的锂电池进行实验验证,验证该算法的普适性和有效性.
Multi-scale AEKF algorithm based on Cholesky decomposition for lithium-ion battery SOC estimation

lithium-ion batterymulti-time scalestate of chargeCholesky decompositionextended Kalman filter

徐洁玉、王冬青

展开 >

青岛大学电气工程学院,山东 青岛266071

锂离子电池 多时间尺度 荷电状态 Cholesky分解 扩展卡尔曼滤波

国家自然科学基金

61873183

2024

10.12067/ATEEE2205009

电工电能新技术
中国科学院电工研究所

电工电能新技术

CSTPCD北大核心
影响因子：0.716
ISSN：1003-3076
年,卷(期)：2024.43(3)
  • 20