کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8072374 | 1521406 | 2018 | 34 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A double-scale and adaptive particle filter-based online parameter and state of charge estimation method for lithium-ion batteries
ترجمه فارسی عنوان
یک پارامتر آنلاین مبتنی بر فیلتر ذرات دوگانه و انطباق و روش تخمین شارژ باتری های لیتیوم یون
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
وسایل نقلیه الکتریکی، باتری، مقیاس چند گانه، برآورد دولت، فیلترهای ذرات دوگانه،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی انرژی
انرژی (عمومی)
چکیده انگلیسی
Obtaining an estimation of the parameters and state of charge (SoC) of a lithium-ion battery is crucial for an electric vehicle. The parameters of a battery model are usually different throughout the battery lifetime. To obtain an accurate SoC and parameters and reduce the computational cost, a double-scale dual adaptive particle filter for online parameters and SoC estimation of lithium-ion batteries is proposed. First, the lithium-ion battery is modeled using the Thevenin model. Second, a double-scale dual particle filter is proposed and applied to the battery parameter and SoC estimation. To improve the accuracy and convergence ability to the initial environmental offset, a double-scale dual adaptive particle filter is proposed. Finally, the effectiveness and applicability of the two algorithms are verified by Lithium Nickel Manganese Cobalt Oxide (NMC) batteries of different ages.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 144, 1 February 2018, Pages 789-799
Journal: Energy - Volume 144, 1 February 2018, Pages 789-799
نویسندگان
Min Ye, Hui Guo, Rui Xiong, Quanqing Yu,