Online Adaptive Model Identification and State of Charge Estimation for Vehicle-Level Battery Packs

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(Yang Jianbo) > (2024) > Online Adaptive Mod...

1 av 1
Föregående post
Nästa post
Till träfflistan

Wu, XiaohuaXihua University (författare)

Online Adaptive Model Identification and State of Charge Estimation for Vehicle-Level Battery Packs

Artikel/kapitelEngelska2024

Förlag, utgivningsår, omfång ...

2024

Nummerbeteckningar

LIBRIS-ID:oai:research.chalmers.se:7326e95f-3b53-4a6b-b0e7-a07801938880
https://doi.org/10.1109/TTE.2023.3274548DOI
https://research.chalmers.se/publication/535987URI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:art swepub-publicationtype
Ämneskategori:ref swepub-contenttype

Anmärkningar

Accurate state of charge (SOC) estimation of traction batteries plays a crucial role in energy and safety management for electric vehicles. Existing studies focus primarily on cell battery SOC estimation. However, numerical instability and divergence problems might occur for a large-size lithium-ion battery pack consisting of many cells. This paper proposes a high-performance online model identification and SOC estimation method based on an adaptive square root unscented Kalman filter (ASRUKF) and an improved forgetting factor recursive least squares (IFFRLS) for vehicle-level traction battery packs. The model parameters are identified online through the IFFRLS, where the conventional method might encounter numerical stability problems. By updating the square root of the covariance matrix, the divergence problem in the traditional unscented Kalman filter is solved in the ASRUKF algorithm, where the positive semi-definiteness of the covariance matrix is guaranteed. Combined with the adaptive noise covariance matched filtering algorithm and real-time compensation of system error, the proposed method solves the problem of ever-degrading estimation accuracy in the presence of time-varying noise with unknown statistical characteristics. Using a 66.2-kWh vehicle battery pack, we experimentally verified that the proposed algorithm could achieve high estimation accuracy with guaranteed numerical stability. The maximum error of SOC estimation can be bounded by 1%, and the root-mean-square error is as low as 0.47% under real-world vehicle operating conditions.

Ämnesord och genrebeteckningar

TEKNIK OCH TEKNOLOGIER Elektroteknik och elektronik Reglerteknik hsv//swe
ENGINEERING AND TECHNOLOGY Electrical Engineering, Electronic Engineering, Information Engineering Control Engineering hsv//eng
TEKNIK OCH TEKNOLOGIER Elektroteknik och elektronik Signalbehandling hsv//swe
ENGINEERING AND TECHNOLOGY Electrical Engineering, Electronic Engineering, Information Engineering Signal Processing hsv//eng
Computational modeling
Adaptive square root unscented Kalman filter
Equivalent circuit model
State of charge
Forgetting factor recursive least squares
Transportation
Covariance matrices
State of charge
Estimation
Batteries
Integrated circuit modeling

Biuppslag (personer, institutioner, konferenser, titlar ...)

Shu, JunhaoXihua University (författare)
Fan, ZhanfengChengdu University of Technology (författare)
Xie, Jianbo (författare)
Li, Yang,1984Chalmers tekniska högskola,Chalmers University of Technology(Swepub:cth)yanu (författare)
Yang, JibinXihua University (författare)
Deng, ZhongweiUniversity of Electronic Science and Technology of China (författare)
Xihua UniversityChengdu University of Technology (creator_code:org_t)

Sammanhörande titlar

Ingår i:IEEE Transactions on Transportation Electrification10:1, s. 596-6072332-7782

Internetlänk

Hitta via bibliotek

IEEE Transactions on Transportation Electrification (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

1 av 1
Föregående post
Nästa post
Till träfflistan

Hitta mer i SwePub

Av författaren/redakt...: Wu, Xiaohua; Shu, Junhao; Fan, Zhanfeng; Xie, Jianbo; Li, Yang, 1984; Yang, Jibin; visa fler...; Deng, Zhongwei; visa färre...

Om ämnet

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Elektroteknik oc ...; och Reglerteknik

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Elektroteknik oc ...; och Signalbehandling

Artiklar i publikationen: IEEE Transaction ...

Av lärosätet: Chalmers tekniska högskola

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se