10.3969/j.issn.1000-7229.2016.09.007
基于改进无迹卡尔曼滤波法的大容量电池储能系统SOC预测
大容量电池储能系统的荷电状态(state of charge,SOC)是电池管理系统(battery management system,BMS)的重要参数,必须准确预测,由于电池单体存在较强的差异性,传统的SOC预测技术很难达到准确预测的效果.针对上述问题,提出基于改进无迹卡尔曼滤波法(unscented Kalman filter,UKF)的大容量电池储能系统SOC预测方法,利用遗传算法(genetic algorithm,GA)优化无迹卡尔曼滤波的滤波参数,进一步提高SOC的预测精度.在设定工况下对串联型电池储能系统进行仿真实验,仿真结果表明该文提出的改进无迹卡尔曼滤波方法可以获得有效可靠的SOC预测结果,具有良好的工程应用前景.
遗传算法、无迹卡尔曼滤波(UKF)、荷电状态预测、等效电路
37
TM912
国家自然科学基金项目51577065;国家电网公司科技项目KY-SG-2016-204-JLDKY;National Natural Science Foundation of China51577065
2016-10-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
50-55