二阶RC
文章平均质量分 84
新能源汽车仿真团队
这个作者很懒,什么都没留下…
展开
-
电池SOC仿真系列-基于双卡尔曼滤波(KF+UKF)算法的电池SOC估算
前文讲述了基于扩展卡尔曼滤波(EKF)的,本期带来基于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的双卡尔曼滤波(KF+UKF)算法的电池SOC估算。原创 2022-09-04 10:40:30 · 3687 阅读 · 3 评论 -
电池SOC仿真系列-基于双卡尔曼滤波算法的电池SOC估算研究
基于双卡尔曼滤波算法的电池SOC估算1、DEKF算法 由于SOC无法直接测量,只能通过观测信号来估计SOC的变化。常用的电池SOC估算方法有安时积分法、开路电压法和卡尔曼滤波算法。而卡尔曼滤波算法正是利用前一时刻的状态估计值和当前时刻的输出观测值来推出当前时刻的状态估计值。该算法能够有效降低测量过程中噪声的干扰,从而提高精确度。 安时积分法作为一种开环估计方法,在短时间内能够较好的跟踪电池SOC的变化,但由于没有校正反馈功能,误差会随着时间的累积越来越大且自身不能够获得电池SOC初始值,而SOC初原创 2021-07-06 20:32:28 · 4770 阅读 · 1 评论 -
电池SOC仿真系列-基于EKF算法的电池SOC估算研究
基于EKF算法的电池SOC估算1、SOC估算模型的选择 电池模型是电池状态估计算法研究的基础,模型的选取需要综合考虑模型的精度、复杂度、实用性等因素。由于电化学模型涉及电池内部反应机理,模型比较复杂;神经网络模型的应用需要基于大量实验数据进行数据训练;而等效电路模型简单,且物理意义清晰。综合考虑,等效电路模型更适用于本项目的研究。选用一阶RC模型,模型较简单,模型精度较高,应用也比较广泛。如下图所示。 一阶RC模型,由如下几部分组成:1)理想电压源,表示开路电压OCV(随SOC的不同而变化);2原创 2021-05-19 16:56:14 · 7978 阅读 · 1 评论 -
电池SOC仿真系列-基于遗忘因子的最小二乘法电池参数辨识(二阶RC)
基于遗忘因子的最小二乘法电池参数辨识 最小二乘法是系统辨识中最常用的一种估算方法。为了克服最小二乘法存在”数据饱和”的问题,我们通常采用含有遗忘因子的递推最小二乘法(Forgetting Factor Recursive Least Square,FFRLS)算法进行电池模型的参数辨识。1、二阶RC数学模型的建立 一般来说,建立精准的电池模型我们需要考虑以下几点:该模型能够准确的描述电池的动态及静态特性;该模型复杂度较低,易于计算;该模型工程实现较为简单可行。综合考虑,我们选择二阶RC等效电路模型原创 2021-03-28 20:14:18 · 18255 阅读 · 1 评论 -
电池SOC仿真系列-基于卡尔曼滤波算法的电池参数辨识
基于卡尔曼滤波算法电池参数辨识1 锂离子电池模型的建立 一般来说,建立精准的电池模型我们需要考虑以下几点:该模型能够准确的描述电池的动态及静态特性;该模型复杂度较低,易于计算;该模型工程实现较为简单可行。综合考虑,我们选择二阶RC等效电路模型。 为了对电池等效电路模型进行参数辨识,我们需要把电池模型转化为可应用最小二乘法辨识的数学形式。如下式所示: 令时间常数: 则上式可以转化为: 令: 则上式化简为: 令: 代入上式进行离散化处理,其中T为采样时间,整理可得:原创 2021-03-06 15:39:55 · 11367 阅读 · 1 评论