电池电动汽车健康与充电状态SOH及SOC估计

微❤关注“电气仔推送”获得资料

主要内容：

健康状态 SOH采用基于加权的平均最小二乘估计方法，并与 WLS、TLS 和 WTLS 相关的算法进行了比较

充电状态SOC采用扩展卡尔曼滤波算法进行估计。

部分代码：

BinSize由当前传感器分辨率决定。\n
初始化一个n×1的标准差向量。\n
将其按socnoise比例缩放。\n
if theCase等于1,\n
标准差与测量值相关联。\n
计算方式如上所述。\n
else部分:\n
处理另一种情况,\n
参数定义如下:\n
mu等于log模式加sigma平方,\n
生成随机数m,\n
并按相应公式计算标准差。\n
end\n

x = x + sx .* randn(n, 1); % Collected x(i) data incorporating noise
y = y + sy .* randn(n, 1); % Collected y(i) data incorporating noise

% 运行算法用于 BEV 案例 2
[QhatBEV3,SigmaQBEV3] = xLSalgos(x,y,sx squared,sy squared,gamma,Qnom,sy(1)平方);

% Plot BEVcase 2 capacity estimates
hold on; Qhat =