融合算法在蓄电池SOC估算中的研究综述

王晓辉; 郑超; 张思义; 戴明; 肖伟; 陈醒

doi:10.16527/j.issn.1003-6954.20210110

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

融合算法在蓄电池SOC估算中的研究综述

电力系统 | 更新时间：2026-02-13

- 融合算法在蓄电池SOC估算中的研究综述
- Summary of Fusing Algorithm Research in Estimation for State of Charge of Battery
- 四川电力技术 2021年44卷第1期页码：43-46+88
- 作者机构：
  
  1. 国网江苏省电力有限公司徐州供电公司
  2. 国网四川省电力公司电力科学研究院
- 作者简介：
- 基金信息：
  
  国家电网有限公司科技项目（J2019073）
- DOI：10.16527/j.issn.1003-6954.20210110
  中图分类号： TM912
- 纸质出版：2021
- 稿件说明：
移动端阅览
[1]王晓辉,郑超,张思义,戴明,肖伟,陈醒.融合算法在蓄电池SOC估算中的研究综述[J].四川电力技术,2021,44(01):43-46+88.

Wang Xiaohui, Zheng Chao, Zhang Siyi, et al. Summary of Fusing Algorithm Research in Estimation for State of Charge of Battery[J]. 2021, 44(1): 43-46+88.
[1]王晓辉,郑超,张思义,戴明,肖伟,陈醒.融合算法在蓄电池SOC估算中的研究综述[J].四川电力技术,2021,44(01):43-46+88. DOI： 10.16527/j.issn.1003-6954.20210110.

Wang Xiaohui, Zheng Chao, Zhang Siyi, et al. Summary of Fusing Algorithm Research in Estimation for State of Charge of Battery[J]. 2021, 44(1): 43-46+88. DOI： 10.16527/j.issn.1003-6954.20210110.

摘要

蓄电池的荷电状态（SOC）是电池管理系统中的重要参数之一

准确估算电池SOC对生产运行具有重要意义。首先

阐释了SOC的定义;其次

分析了传统单一SOC估算法的不足;然后

论述了近几年蓄电池SOC融合估算方法如神经网络、卡尔曼滤波法和综合法的研究进展

并分析了各种方法存在的优缺点;最后

给出总结与展望。提出充分利用数据挖掘和深度学习技术

将BMS记录的历史数据用于蓄电池SOC的估算

有助于提高计算精度和应用范围。

Abstract

The state of charge（ SOC） of battery is one of the important parameters in battery management system（ BMS）. Accurate estimation of SOC is of great significance for production and operation. Firstly

the definition of SOC is explained. Secondly

the shortcomings of traditional single SOC estimation method are analyzed

and then

the research progress of SOC fusion estimation methods for battery in recent years

including neural network

Kalman filter and synthesis method

is discussed

and the advantages and disadvantages of each method are analyzed. Finally

the summary and prospect are given. It is proposed to make full use of data mining and deep learning technology and use the historical data recorded by BMS to estimate the SOC of battery

which is helpful to improve the calculation accuracy and application range.

关键词

Keywords

references

基于容量修正的安时积分SOC估算方法研究 [J]. 罗勇,祁朋伟,黄欢,王佳男,王毅,李沛然. 汽车工程 . 2020(05)

基于组合模型的锂电池参数辨识和电池荷电状态在线联合估计 [J]. 刘征宇,黎盼春,朱诚诚,尤勇. 中国机械工程 . 2020(10)

基于改进的双卡尔曼滤波的锂电池SOC估计 [J]. 莫易敏,叶鹏,骆聪,熊巍,严聪. 电源技术 . 2020(05)

基于门控循环单元神经网络和Huber-M估计鲁棒卡尔曼滤波融合方法的锂离子电池荷电状态估算方法 [J]. 李超然,肖飞,樊亚翔,杨国润,唐欣. 电工技术学报 . 2020(09)

基于高斯混合回归的锂离子电池SOC估计 [J]. 魏孟,李嘉波,叶敏,高康平,徐信芯. 储能科学与技术 . 2020(03)

动力电池荷电状态研究的可视化分析 [J]. 陈燎,戴俊,盘朝奉. 电池 . 2020(02)

基于SOC估算的船用锂电池组健康管理 [J]. 王金铎,俞万能,朱永怀,尹自斌. 船舶工程 . 2020(04)

基于AIUKF的锂离子电池SOC估算 [J]. 何志刚,李尧太,盘朝奉,魏涛. 电源技术 . 2020(04)

基于LIBSVM的铅酸蓄电池荷电状态估计 [J]. 陈凯,彭仲晗,吴启瑞,胡锦亮,付鹏飞. 电源技术 . 2020(04)

铅酸蓄电池监测系统发展综述 [J]. 王鹏程,朱长青. 电源技术 . 2020(04)

基于卡尔曼粒子滤波算法的锂电池SOC估计 [J]. 夏飞,王志成,郝硕涛,彭道刚,余贝丽,黄毅敏. 系统仿真学报 . 2020(01)

基于神经网络的老化锂电池SOC估算方法的研究 [J]. 张立佳,徐国宁,赵向阳,杜晓伟,周翔. 电源学报 . 2020(01)

基于扩展卡尔曼滤波模型的电动汽车锂电池SOC估算研究 [J]. 高文哲,黄涛. 通信电源技术 . 2020(01)

基于扩展卡尔曼滤波的锂离子电池SOC估计 [J]. 刘嘉林,申江卫,吕天阳,夏雪磊,肖佳鹏. 农业装备与车辆工程 . 2019(12)

基于神经网络和MS-AUKF算法的蓄电池荷电状态估计 [J]. 吴忠强,尚梦瑶,申丹丹,戚松岐. 中国电机工程学报 . 2019(21)

基于改进安时积分法估计锂离子电池组SOC [J]. 杨文荣,朱赛飞,陈阳,朱佳斌,薛力升. 电源技术 . 2018(02)

铅酸电池开路电压的测量及其与累积放电量的关系 [J]. 王曦,伍联营,张伟涛,胡仰栋. 储能科学与技术 . 2018(01)

蓄电池模型研究综述 [J]. 李匡成,季亚昆,刘政. 电源技术 . 2017(03)

基于分数阶理论的车用锂离子电池建模及荷电状态估计 [J]. 刘树林,崔纳新,李岩,张承慧. 电工技术学报 . 2017(04)

优化电池模型的自适应Sigma卡尔曼荷电状态估算 [J]. 刘毅,谭国俊,何晓群. 电工技术学报 . 2017(02)

基于容量修正的阀控式铅酸蓄电池SOC估计 [J]. 冯真得,何耀,刘新天,王健强,郑昕昕. 电源技术 . 2017(01)

改进卡尔曼滤波的融合型锂离子电池SOC估计方法 [J]. 赵天意,彭喜元,彭宇,刘大同. 仪器仪表学报 . 2016(07)

基于离散滑模观测器的锂电池荷电状态估计 [J]. 孙冬,陈息坤. 中国电机工程学报 . 2015(01)

基于BP神经网络的SOC估计及铅酸蓄电池特性 [J]. 赵轩,康留旺,汪贵平,马建. 电源技术 . 2014(05)

蓄电池SOC估算方法综述 [J]. 季迎旭,杜海江,孙航. 电测与仪表 . 2014(04)

基于卡尔曼滤波修正算法的电池SOC估算 [J]. 毛华夫,万国春,汪镭,张谦. 电源技术 . 2014(02)

电动汽车动力电池SOC估算方法综述 [J]. 华周发,李静. 电源技术 . 2013(09)

基于QPSO-BP神经网络的锂电池SOC预测 [J]. 刘征宇,杨俊斌,张庆,张利,赵爱国. 电子测量与仪器学报 . 2013(03)

基于安时法的镍氢电池SOC估计误差校正 [J]. 于海芳,逯仁贵,朱春波,马睿. 电工技术学报 . 2012(06)

基于小波复合模型的锂电池阻抗特性研究 [J]. 陈小军,韩晓娟,梁亮,李建林. 电源技术 . 2012(01)

基于AFFDRLS-AHIF对动力锂离子电池单体SOC估计 [J]. 李荣波,陈勇. 北京交通大学学报 . 2020(02)

基于模糊卡尔曼滤波器的锂电池荷电状态与健康状态预测（英文） [J]. Daniil Fadeev,张小周,董海鹰,刘浩,张蕊萍. Journal of Measurement Science and Instrumentation . 2020(01)

基于稀疏采样数据的电动公交车电池SOC预测方法研究 [J]. 鲍伟,葛建军. 汽车工程 . 2020(03)

基于GA-BP神经网络的锂离子电池SOC估计 [J]. 于仲安,卢健,王先敏. 电源技术 . 2020(03)

基于模糊无迹卡尔曼滤波算法的锂电池SOC估计 [J]. 安昌祖,张蕊萍,张小周,刘浩,董海鹰. 电源技术 . 2020(03)

基于LSTM神经网络的动力电池SOC估算研究 [J]. 郑永飞,文怀兴,韩昉,杨鑫,张晶. 计算机应用与软件 . 2020(03)

基于自回归各态历经模型参数辨识的模糊双卡尔曼滤波算法的储能电池荷电状态估算 [J]. 丁稳房,付晓光,张轩豪. 科学技术与工程 . 2020(06)

基于AEKF的锌镍单液流电池SOC估计 [J]. 宋绍剑,魏黄娇,宋春宁. 电池 . 2020(01)

一种分阶段锂离子电池荷电状态估计算法 [J]. 贺林,胡敏康,石琴,叶炜. 电力电子技术 . 2020(02)

基于扩展卡尔曼滤波的SOC估算与仿真 [J]. 张博远,罗羽,杨玉新,李立伟. 舰船电子工程 . 2020(01)

车用动力锂电池的SOC估计 [J]. 刘彦忠,张奕黄,王大龙. 电力电子技术 . 2011(12)

多用户实时控制快速充电技术研究 [J]. 杨亚丽,孙磊,李匡成,袁文涛,吴宗朝. 电测与仪表 . 2011(10)

基于径向基函数神经网络的电动汽车动力电池SOC模型 [J]. 米林,赵孟娜,秦甲磊,吴旋. 重庆理工大学学报(自然科学) . 2011(10)

基于神经网络的磷酸铁锂电池SOC预测研究 [J]. 尹安东,张万兴,赵韩,江昊. 电子测量与仪器学报 . 2011(05)

基于EMF等效模型电动车镍氢电池SOC估计 [J]. 朱春波,武国良,陈清泉. 电力电子技术 . 2008(10)

电动车电池SOC估计的径向基函数神经网络方法 [J]. 雷肖,陈清泉,刘开培,马历. 电工技术学报 . 2008(05)

电池管理系统国内外现状及其未来发展趋势 [J]. 廖晓军,何莉萍,钟志华,周红丽,高学峰. 汽车工程 . 2006(10)

利用人工神经网络预测电池SOC的研究 [J]. 齐智,吴锋,陈实,于卿,王国庆. 电源技术 . 2005(05)

A critical review of using the Peukert equation for determining the remaining capacity of lead-acid and lithium-ion batteries [J] . Dennis Doerffel,Suleiman Abu Sharkh. Journal of Power Sources . 2005 (2)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

直流电源系统在国内外的应用状况