您的位置: 专家智库 > >

徐浩

作品数:2 被引量:12H指数:1
供职机构:西安交通大学机械工程学院更多>>
发文基金:中国博士后科学基金国家自然科学基金更多>>
相关领域:电气工程更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇电气工程

主题

  • 1篇电池
  • 1篇电力
  • 1篇电力系统
  • 1篇自适应
  • 1篇自适应卡尔曼...
  • 1篇锂离子
  • 1篇锂离子电池
  • 1篇离子
  • 1篇离子电池
  • 1篇滤波
  • 1篇卡尔曼
  • 1篇卡尔曼滤波
  • 1篇扩展卡
  • 1篇扩展卡尔曼滤...
  • 1篇机组组合
  • 1篇机组组合优化
  • 1篇荷电状态
  • 1篇荷电状态估计
  • 1篇发电
  • 1篇发电成本

机构

  • 2篇西安交通大学

作者

  • 2篇徐浩
  • 1篇徐浩
  • 1篇刘霞
  • 1篇徐俊
  • 1篇梅雪松

传媒

  • 1篇电工材料
  • 1篇西安交通大学...

年份

  • 1篇2018
  • 1篇2010
2 条 记 录,以下是 1-2
排序方式:
LINGO在电力系统机组组合优化中的应用被引量:1
2010年
电力系统机组组合是一个高维数、非凸、离散、非线性的混合整数优化问题。本文介绍了LINGO软件优化方法及在电力机组组合优化中的应用。建立电力系统机组组合的优化模型,结合3母线电力系统实例,采用LINGO求解优化模型,验证了该方法的可行性和有效性。LINGO为电力机组组合优化提供了一个新的方法,具有很好的应用前景。
刘霞徐浩
关键词:机组组合LINGO发电成本电力系统
双自适应衰减卡尔曼滤波锂电池荷电状态估计被引量:11
2018年
针对卡尔曼滤波法在锂离子电池荷电状态(SOC)估计时存在误差较大、收敛较慢等问题,提出了一种双自适应衰减扩展卡尔曼滤波荷电状态估计(DAFEKF)算法。该算法首先设计了针对动力电池的荷电状态估计观测器,利用测得的电流和电压值分别作为观测器的输入和观测值,结合双自适应衰减扩展卡尔曼滤波估计出观测器中的电池荷电状态,在卡尔曼滤波算法的基础上加入时变衰减因子来减弱过去数据对当前滤波值的影响,并自适应地调整卡尔曼算法中过程噪声和测量噪声协方差。利用DAFEKF算法估计出的SOC结果与扩展卡尔曼滤波(EKF)和自适应扩展卡尔曼滤波(AEKF)算法进行了比较,结果表明,DAFEKF方法具有较好的准确性、鲁棒性和收敛性,使SOC估计误差控制在2%以内。
赵云飞徐俊王霄徐浩梅雪松
关键词:锂离子电池荷电状态自适应卡尔曼滤波扩展卡尔曼滤波
共1页<1>
聚类工具0