针对全钒液流电池的荷电状态(SOC)估计精度低、估计成本较高等问题,提出一种基于递推最小二乘算法(RLS)与扩展卡尔曼滤波算法(EKF)相结合的估计方法.该方法通过RLS算法辨识所建立的钒电池数学模型参数,通过EKF算法估计钒电池的SOC,将二者结合实现电池参数发生变化时准确估计钒电池的SOC.以5kW/ 30kWh的钒电池为对象,应用所提出的算法实现钒电池的SOC估计.结果表明,该算法可以准确估计钒电池的SOC,且可节省额外增加单片检测电池测量SOC的费用.
2021-11-12 21:29:41
526KB
1
利用行列式比估计模型的阶次
利用残差的方差估计模型的阶次
利用Akaike准则估计模型的阶次
利用最终预报误差准则估计模型的阶次
利用Hankel矩阵的秩估计模型的阶次
2021-11-09 17:14:20
586KB
1
可自定义系统传函，通过hankel矩阵法对其辨识，可设定采样周期。经典辨识方法中的Hankel矩阵法辨识的结果与真实的传递函数之间总是存在一个与采样时间T0有关的倍数。
2021-11-08 23:11:12
1KB
1
庞中华-系统识辨与自适应控制MATLAB仿真(修订版)源代码，已经实测，可以使用。
2021-11-04 16:12:58
69KB
1