文献

J-GLOBAL ID：201802237846853456   整理番号：18A0823500

EVにおけるLiイオン電池の電池管理システムのためのモデルパラメータと充電状態の推定【JST・京大機械翻訳】

Estimation of model parameters and state-of-charge for battery management system of Li-ion battery in EVs

著者 (3件)： Sangwan Venu (Dept of Electrical Engineering, MNIT Jaipur-302017, India) ,  Kumar Rajesh (Dept of Electrical Engineering, MNIT Jaipur-302017, India) ,  Rathore Akshay K. (Dept. of Elec. & Comp. Engg., Concordia University, Montreal, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITEC-India  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電池管理システム(BMS)は電池の状態の正確な監視(充電状態(SOC))の正確な監視のために,バッテリー電気自動車(BEVs)における最適電池性能を維持するために呼吸可能である。環境温度はSOC推定の精度に影響を及ぼす重要な因子であり,したがって,温度の電気化学的結合モデル依存性は,BMSにおける電池の動的挙動をシミュレーションするために利用された。電池モデルの未知パラメータを動的応力試験(DST)のための最小二乗アルゴリズムを用いて同定し,推定の検証を連邦都市運転スケジュール(FUDS)に対して行い,予測したターミナル電圧形モデルとDSTプロファイルからの電圧の間の誤差が定義条件に対して0.08V以下であると結論した。次に,SOC推定のために,再帰Bayes推定法に基づく拡張Kalmanフィルタリング(EKF)とSigma-PointKalmanフィルタリング(SPKF)アプローチを採用した。推定器の性能を定量化するために,異なる温度でのRoot平均二乗誤差(RMSE)と実行時間を評価した。評価結果は,EKFの場合の最大誤差は2.43%であるが,SPKFの場合は1.2%であり,EKFによる最大実行時間は3.57秒であり,SPKFの場合は4.53秒であることを示した。結果は,SPKFがEKFの比較において正確でロバストなSOC推定を提供し,BEVSのためのBMSにおいて効率的に適用できることを報告した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： ロバスト性 ,  *モデル ,  Bayes推定 ,  *管理システム ,  最小二乗法 ,  二次電池 ,  化学結合 ,  アルゴリズム ,  *電池 ,  電圧 ,  フィルタリング ,  電気自動車
準シソーラス用語： 実行時間 ,  拡張Kalmanフィルタ ,  *充電状態 , 【Automatic Indexing@JST】

分類 (1件)： 二次電池  (YB04030K)

タイトルに関連する用語 (8件)： EV ,  Li ,  イオン ,  電池 ,  管理システム ,  モデルパラメータ ,  充電状態 ,  推定