基于自回归各态历经模型参数辨识的_省略_曼滤波算法的储能电池荷电状态估算_丁稳房
扩展卡尔曼滤波（extended Kalman filter, EKF）算法在电池荷电状态（state of charge, SOC）估算领域广泛应用。但作为一种基于模型的算法,电池模型误差影响SOC估算的精度。为了抑制电流的幅值与阶跃电流因素对模型误差的影响,提出一种动态修正观测噪声协方差的模糊双卡尔曼滤波（fuzzy dual Kalman filter, FDKF）算法。该算法首先将一阶电阻-电容（resistor-capacitance, RC）等效模型转换为自回归各态历经（autoregressive exogenous, ARX）模型的形式,用卡尔曼滤波（Kalman filter, KF）算法更新转换后模型的参数,且在SOC估算的过程中获取电流与电流变化量的数据,并通过建立模糊控制系统调整观测噪声的协方差值来抵消模型误差。结果表明:FDKF算法在某储能工况下估算误差的最大值为0.39%,小于EKF算法的3.92%和双卡尔曼滤波（dual Kalman filter, DKF）算法的1.12%,可见FDKF该算法能够有效地提升SOC估算的精度。
- 2021-05-06
- 阅读300
- 下载0
- 6页
- pdf
