一种遗传算法与无迹卡尔曼滤波融合的锂离子电池SOC预测方法

    公开(公告)号:CN116381507A

    公开(公告)日:2023-07-04

    申请号:CN202310376653.9

    申请日:2023-04-11

    Abstract: 本发明公开了一种遗传算法与无迹卡尔曼滤波融合的锂离子电池SOC预测方法。通过HPPC试验获得锂电池开路电压OCV,建立OCV与SOC映射关系;然后测量锂电池工作电压、电流数据,由自适应遗忘因子递推最小二乘算法(AFFRLS)进行模型参数估算;再通过无迹卡尔曼滤波(UKF)进行SOC的预测,并利用改进的自适应遗传算法(AGA)自适应匹配UKF测量噪声协方差矩阵R;在R的基础上,基于噪声自适应匹配方法更新状态噪声协方差矩阵Q。本发明通过AGA和UKF的融合方法预测SOC,具有鲁棒性良好、噪声自适应、时变状态跟踪能力强等特点,能更好地在非线性、时变性系统进行在线应用,提高了SOC预测精度。

    基于变窗口自适应无迹卡尔曼滤波的锂离子电池SOC预测方法

    公开(公告)号:CN116819343A

    公开(公告)日:2023-09-29

    申请号:CN202310881529.8

    申请日:2023-07-18

    Abstract: 本发明公开一种基于变窗口自适应无迹卡尔曼滤波的锂离子电池SOC预测方法。首先由自适应遗忘因子最小二乘(AFFRLS)估算二阶RC锂离子电池等效电路模型参数;然后通过自适应遗传算法(AGA)训练确定自适应无迹卡尔曼滤波(AUKF)的最佳噪声协方差匹配窗口大小;将得到的窗口大小作为窗口基数,通过AUKF预测电池SOC;然后通过Allan方差分析法识别误差新息序列分布的变化,再按照更新规则更新窗口大小。本发明由AGA确定AUKF的时间窗大小,方法更智能;另通过引入Allan方差分析法来提高噪声协方差的估算精度,提高算法对非线性时变系统的跟踪能力。

    一种锂离子动力电池管理装置

    公开(公告)号:CN220172194U

    公开(公告)日:2023-12-12

    申请号:CN202321681925.8

    申请日:2023-06-29

    Abstract: 本实用新型公开了一种锂离子动力电池管理装置,包括算法处理主控板和电池信息采集从控板,所述主控板与从控板通过排针a和排母相连。本实用新型的锂离子动力电池管理装置能有效提供较好的电压、电流、温度的采集,并通过高速度传输通信电路使主控板与从控板实现通信,主控板有强大的计算速度,通过从板之间的级联可实现多个电池组的迭加以达到不同电压等级,主控板与从控板可以通过排针a和排母相连。该装置具有结构简单,体积小,工艺性好,检测精确度高、计算速度快的特点,在电力电子、航空航天、储能系统,尤其是电动汽车领域的应用上有着广泛的市场前景。

Patent Agency Ranking