SOC Estimation of a Rechargeable Li-Ion Battery Used in Fuel-Cell Hybrid Electric Vehicles—Comparative Study of Accuracy and Robustness Performance Based on Statistical Criteria. Part I: Equivalent Models
Notice bibliographique
Résumé
Battery state of charge (SOC) accuracy plays a vital role in a hybrid electric vehicle (HEV), as it ensures battery safety in a harsh operating environment, prolongs life, lowers the cost of energy consumption, and improves driving mileage. Therefore, accurate SOC battery estimation is the central idea of the approach in this research, which is of great interest to readers and increases the value of its application. Moreover, an accurate SOC battery estimate relies on the accuracy of the battery model parameters and its capacity. Thus, the purpose of this paper is to design, implement and analyze the SOC estimation accuracy of two battery models, which capture the dynamics of a rechargeable SAFT Li-ion battery. The first is a resistor capacitor (RC) equivalent circuit model, and the second is a generic Simscape model. The model validation is based on the generation and evaluation of the SOC residual error. The SOC reference value required for the calculation of residual errors is the value estimated by an ADVISOR 3.2 simulator, one of the software tools most used in automotive applications. Both battery models are of real interest as a valuable support for SOC battery estimation by using three model based Kalman state estimators developed in Part 2. MATLAB simulations results prove the effectiveness of both models and reveal an excellent accuracy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».