← 返回
基于AEKF与小波变换矩阵的锂离子电池SOC估计
SOC Estimation of Lithium-Ion Batteries With AEKF and Wavelet Transform Matrix
| 作者 | Zhi-Liang Zhang · Xiang Cheng · Zhou-Yu Lu · Dong-Jie Gu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2017年10月 |
| 技术分类 | 储能系统技术 |
| 技术标签 | 电池管理系统BMS 储能系统 智能化与AI应用 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | SOC 估计 锂离子电池 AEKF 小波变换矩阵 去噪 电动汽车 信号处理 |
语言:
中文摘要
针对电动汽车复杂电磁环境下电流和电压信号易受噪声干扰导致SOC估计误差的问题，本文提出了一种基于小波变换矩阵（WTM）的去噪方法。该方法能有效处理非平稳信号，在降低计算负担的同时，显著提升了自适应扩展卡尔曼滤波（AEKF）在SOC估计中的精度与鲁棒性。
English Abstract
Due to harsh electromagnetic environment in electric vehicle (EV), the measured current and voltage signals can be seriously polluted, which results in an estimation error of state of charge (SOC). The proposed denoising approach based on wavelet transform matrix (WTM) can analyze and denoise the nonstationary current and voltage signals effectively. This approach reduces the computation burden an...
S
SunView 深度解读
该技术对阳光电源的储能业务（PowerTitan、PowerStack及户用储能系统）具有重要价值。在大型储能电站及工商业储能应用中，电流电压传感器的测量噪声是影响BMS SOC估算精度的核心痛点。引入小波变换矩阵去噪算法，可显著提升BMS在复杂电磁干扰环境下的状态感知能力，延长电池寿命并提高系统安全性。建议研发团队将其集成至iSolarCloud智能运维平台或BMS底层算法中，以优化电池健康度管理，提升阳光电源储能系统在复杂工况下的竞争优势。