Please enable JavaScript.
Coggle requires JavaScript to display documents.
Reliable state of charge estimation of battery packs using fuzzy adaptive…
Reliable state of charge estimation of battery packs using fuzzy adaptive federated filtering
Keywords
Battery pack；SOC estimation；Inconsistency；Federated filter；Fault tolerance
introduction
常見SOC估計方法可分為三類
1.基於測量值的直接計算方法
1.安培小時計數法
被廣泛使用
缺點:其精度隨著初始誤差的增加而降低，並且在老化后急劇下降
2.開路電壓（OCV）法
曲線隨容量，溫度等而變化。因此，在實際長期使用中很難滿足精度要求。
2.基於模型的方法
串聯電池組的等效電路模型
大電池模型（BCM）
多單元模型（MCM）
Vmin+ Vmax模型（VVM）
均值加差模型（MDM）
估算方法
卡爾曼濾波器
擴展卡爾曼濾波器(EKF)已被廣泛採用
蒙特卡羅方法
H∞濾波
基於觀察者的方法
3.數據驅動的方法
不需要電池組的數學模型
使用大量的訓練數據和先進的人工智慧演算法，如遺傳演算法，神經網路和支援向量機[
有效提高估計精度，具有良好的魯棒性
Soc遇到最大的問題就是會因為時間長度受到誤差的影響越大
因此，有必要開發一種估計方法，以減少單元SOC誤差對融合SOC估計的影響。
本篇提出一種基於模糊自適應聯合濾波（FAFF）的串聯電池組SOC估計方法，將聯合濾波器（FF）與MDM相結合
貢獻
自適應聯合濾波（AFF）應用於串聯電池組的SOC估計。本地濾波器 （LF） 用於估計單元SOC。主濾波器（MF）用於融合電池SOC以獲得電池組SOC。通過根據電池SOC估計精度自適應調整資訊分佈係數，可以大大提高電池組SOC估計的可靠性。
提出一種基於模糊系統（FS）的SOC不一致性自適應方法。以三座標測量機估計的SOC和電池SOC的標準偏差為電池組的分佈特性，構建了模糊規則。自適應計算SOC融合權重，提高了融合估計結果的準確性和不一致性適應性。
通過模擬和實驗，給出了不同初始SOC不一致性下整個SOC範圍內整個充放電過程的SOC估計結果。討論了基於FAFF的電池組SOC估計方法與傳統方法相比的準確性
在LF產生較大測量誤差或電池組具有初始SOC誤差的條件下，驗證了基於FAFF的電池組SOC估計的容錯能力。
本文旨在設計一種優化的電動汽車估算系統，以實現更準確、更可靠的電池組SOC估算，確保能源的有效利用。
建模和參數識別