本文關(guān)鍵詞： 鋁空電池 安時(shí)法 隱半馬爾可夫模型 荷電狀態(tài)　出處：《電子科技大學(xué)學(xué)報(bào)》2017年02期 　論文類型：期刊論文

【摘要】：電池荷電狀態(tài)(SOC)的估算精度是影響新能源汽車性能的重要因素之一。傳統(tǒng)的安時(shí)法由于累積誤差較大始終無法滿足精確的SOC估計(jì)。該文采用基于隱半馬爾可夫模型(HSMM)的SOC預(yù)測作為安時(shí)法的一個(gè)補(bǔ)充,使鋁空電池后期估計(jì)精度可以得到保障。該模型的每個(gè)不同狀態(tài)產(chǎn)生多組觀察值,根據(jù)各個(gè)狀態(tài)之間的轉(zhuǎn)換概率以及狀態(tài)駐留時(shí)間可以比較準(zhǔn)確地預(yù)測后期各個(gè)狀態(tài)下的剩余壽命。經(jīng)過實(shí)驗(yàn)仿真驗(yàn)證,與單一的安時(shí)法相比,結(jié)合HSMM的SOC估計(jì)精度在后期有較大提升。
[Abstract]:The battery state of charge (SOC) estimation accuracy is one of the important factors influencing the performance of new energy vehicles. Ah the traditional method can not meet the accumulated error is always accurate SOC estimation. This paper adopts the hidden semi Markov model (HSMM) based on the prediction of SOC as a supplement of ampere hour method, the aluminum air battery later the estimation accuracy can be guaranteed. Each state of the model in which a set of observations, according to the conversion between the various state probability and state of residence time can be residual life prediction under each state stage accurately. Through simulation experiments, compared with the single ampere hour method, the estimation accuracy is greatly improved in the late binding of HSMM SOC.

【作者單位】： 電子科技大學(xué)自動化工程學(xué)院;
【基金】：總裝預(yù)研項(xiàng)目(9140A27020215DZ02001) 中央高�；究蒲袠I(yè)務(wù)費(fèi)基礎(chǔ)研究項(xiàng)目(ZYGX2014J070)
【分類號】：TM911.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 王文紅;王新東;;全釩液流電池荷電狀態(tài)的分析與監(jiān)測[J];浙江工業(yè)大學(xué)學(xué)報(bào);2006年02期

2 徐艷輝,陳猛,林秀峰,陳長聘;不同荷電狀態(tài)下α-Ni(OH)_2的質(zhì)子擴(kuò)散系數(shù)[J];中國有色金屬學(xué)報(bào);2000年05期

3 ;[J];;年期

相關(guān)會議論文 前3條

1 孫駿;李寶輝;;電動汽車電池荷電狀態(tài)的估算方法研究及展望[A];2012安徽省汽車工程學(xué)會年會論文集[C];2012年

2 張秀玲;宋建軍;;基于RBF神經(jīng)網(wǎng)絡(luò)的MH-Ni電池荷電狀態(tài)預(yù)估模型[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

3 程艷青;高明煜;;基于卡爾曼濾波的電動汽車SOC估計(jì)[A];浙江省電源學(xué)會第十一屆學(xué)術(shù)年會暨省科協(xié)重點(diǎn)科技活動“高效節(jié)能電力電子新技術(shù)”研討會論文集[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 鄒幽蘭;基于退役鋰動力電池容量、內(nèi)阻和荷電狀態(tài)的建模與參數(shù)估計(jì)[D];中南大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 張樹鵬;電動汽車電池荷電狀態(tài)及行動力分析研究[D];上海交通大學(xué);2015年

2 潘貴財(cái);基于神經(jīng)網(wǎng)絡(luò)的電池組容量檢測系統(tǒng)設(shè)計(jì)[D];大連理工大學(xué);2015年

3 羅志亮;鋰電池荷電狀態(tài)自適應(yīng)估計(jì)算法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 楊瀟;基于模糊算法的風(fēng)儲聯(lián)合系統(tǒng)控制策略研究[D];山東大學(xué);2016年

5 林鵬峰;磷酸鐵鋰電池建模及其荷電狀態(tài)估計(jì)算法研究[D];西南交通大學(xué);2015年

6 周旋;純電動物流車電池荷電狀態(tài)估計(jì)方法研究[D];電子科技大學(xué);2016年

7 馮小華;多模式電池組的能量快速擴(kuò)展與分配方法研究[D];上海應(yīng)用技術(shù)大學(xué);2016年

8 趙曉兵;鋰離子電池荷電狀態(tài)在線估計(jì)技術(shù)研究[D];南京航空航天大學(xué);2016年

9 夏晴;電動汽車用鋰離子電池荷電狀態(tài)估計(jì)算法的研究[D];哈爾濱工業(yè)大學(xué);2011年

10 和曉念;鋰電池荷電狀態(tài)預(yù)測方法研究[D];河南師范大學(xué);2012年

，

本文編號：1551066