针对目前电池荷电状态(stage of charge,SOC)估计算法存在稳定性差、误差大等缺点,提出一种基于实车云端放电数据的自适应扩展卡尔曼滤波(adaptive extended Kalman filter,AEKF)与长短时记忆(long short term memory,LSTM)融合的算法,...针对目前电池荷电状态(stage of charge,SOC)估计算法存在稳定性差、误差大等缺点,提出一种基于实车云端放电数据的自适应扩展卡尔曼滤波(adaptive extended Kalman filter,AEKF)与长短时记忆(long short term memory,LSTM)融合的算法,预测小动力电动车的电池SOC。首先采用自适应遗忘因子最小二乘法(adaptive forgetting factor recursive least squares,AFFRLS)辨识电池的二阶RC等效电路模型参数。其次,将云端实时采集到的放电数据作为研究目标,通过AEKF-LSTM融合算法对小动力电动车的电池SOC进行预测实验,实验过程中AEKF-LSTM融合算法将当前时刻的端电压、电流、温度以及上一时刻电池的SOC作为输入,以更新的SOC作为输出训练估计模型。最后,将AEKF-LSTM融合算法和单一AEKF算法预测电池SOC的结果与实际SOC值进行比较,实验结果表明,AEKF-LSTM融合算法的均方根误差(root mean square error,RMSE)为0.0058 V,平均绝对误差(mean absolute error,MAE)为0.0041 V,比AEKF算法的RMSE减小0.0087 V,MAE减小0.1164 V,且AEKF-LSTM融合算法的RMSE和MAE均在0.6%以内,证明了该融合算法有较高的估计精度和较强的鲁棒性。展开更多
针对目前荷电状态(state of charge,SOC)估计方法考虑温度与退化共同影响及其关联耦合关系较少,导致电池性能退化后的模型表征不完善、SOC估计精度不足的问题,提出一种基于退化注入场路耦合模型的锂电池SOC估计方法,以实现全寿命周期下...针对目前荷电状态(state of charge,SOC)估计方法考虑温度与退化共同影响及其关联耦合关系较少,导致电池性能退化后的模型表征不完善、SOC估计精度不足的问题,提出一种基于退化注入场路耦合模型的锂电池SOC估计方法,以实现全寿命周期下SOC的准确估计。首先建立等效电路模型与多物理场模型耦合的场路耦合模型,刻画温度的影响;进而使用离线参数辨识方法将温度、退化等因素注入等效电路模型参数中;最终建立代理模型提高计算效率,实现在线SOC估计。案例验证结果表明,在锂电池经过长时间运行发生退化后,相比于其他方法,所提方法的估计结果具有更平稳的曲线和更高的精度。展开更多
文摘针对目前电池荷电状态(stage of charge,SOC)估计算法存在稳定性差、误差大等缺点,提出一种基于实车云端放电数据的自适应扩展卡尔曼滤波(adaptive extended Kalman filter,AEKF)与长短时记忆(long short term memory,LSTM)融合的算法,预测小动力电动车的电池SOC。首先采用自适应遗忘因子最小二乘法(adaptive forgetting factor recursive least squares,AFFRLS)辨识电池的二阶RC等效电路模型参数。其次,将云端实时采集到的放电数据作为研究目标,通过AEKF-LSTM融合算法对小动力电动车的电池SOC进行预测实验,实验过程中AEKF-LSTM融合算法将当前时刻的端电压、电流、温度以及上一时刻电池的SOC作为输入,以更新的SOC作为输出训练估计模型。最后,将AEKF-LSTM融合算法和单一AEKF算法预测电池SOC的结果与实际SOC值进行比较,实验结果表明,AEKF-LSTM融合算法的均方根误差(root mean square error,RMSE)为0.0058 V,平均绝对误差(mean absolute error,MAE)为0.0041 V,比AEKF算法的RMSE减小0.0087 V,MAE减小0.1164 V,且AEKF-LSTM融合算法的RMSE和MAE均在0.6%以内,证明了该融合算法有较高的估计精度和较强的鲁棒性。
文摘针对目前荷电状态(state of charge,SOC)估计方法考虑温度与退化共同影响及其关联耦合关系较少,导致电池性能退化后的模型表征不完善、SOC估计精度不足的问题,提出一种基于退化注入场路耦合模型的锂电池SOC估计方法,以实现全寿命周期下SOC的准确估计。首先建立等效电路模型与多物理场模型耦合的场路耦合模型,刻画温度的影响;进而使用离线参数辨识方法将温度、退化等因素注入等效电路模型参数中;最终建立代理模型提高计算效率,实现在线SOC估计。案例验证结果表明,在锂电池经过长时间运行发生退化后,相比于其他方法,所提方法的估计结果具有更平稳的曲线和更高的精度。
