← 返回
基于平方根球面无迹卡尔曼滤波
Sqrt-UKFST)的纳卫星锂离子电池荷电状态
| 作者 | Htet Aung · Kay Soon Low · Shu Ting Goh |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2015年9月 |
| 技术分类 | 储能系统技术 |
| 技术标签 | 储能系统 电池管理系统BMS 智能化与AI应用 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 荷电状态 SOC估计 电池管理系统 无迹卡尔曼滤波 锂离子电池 平方根滤波 |
语言:
中文摘要
荷电状态(SOC)估计是现代电池管理系统(BMS)的核心。针对扩展卡尔曼滤波(EKF)在雅可比矩阵推导及线性化精度方面的局限性,本文提出了一种基于平方根球面无迹卡尔曼滤波(Sqrt-UKFST)的新型SOC估计方法,旨在提升复杂动态工况下的估计精度与算法稳定性。
English Abstract
State-of-charge (SOC) estimation is an important aspect for modern battery management system. Dynamic and closed loop model-based methods such as extended Kalman filter (EKF) have been extensively used in SOC estimation. However, the EKF suffers from drawbacks such as Jacobian matrix derivation and linearization accuracy. In this paper, a new SOC estimation method based on square root unscented Ka...
S
SunView 深度解读
该研究提出的Sqrt-UKFST算法在提升SOC估计精度与数值稳定性方面具有显著优势,直接契合阳光电源PowerTitan、PowerStack等储能系统对高精度BMS的需求。随着储能系统向大容量、长寿命方向发展,更精准的SOC估计算法能有效提升电池组的一致性管理,降低运维成本,并优化iSolarCloud平台的电池健康状态监测。建议研发团队将该算法引入BMS核心控制策略,以提升系统在极端工况下的安全性和充放电效率,增强产品在电网侧及工商业储能市场的竞争力。