State of Charge Estimation of Lithium-ion Battery in Electric Vehicles Using the Smooth Variable Structure Filter: Robustness Evaluation against Noise and Parameters Uncertainties
Notice bibliographique
Résumé
State of Charge (SoC) of Lithium-ion battery is a key parameter in battery management systems for electric vehicles. This paper uses the fundamental theory of the smooth variable structure filter (SVSF) and proposes a SoC estimation algorithm for a Manganese Cobalt (NMC) cell with a nominal capacity of 20 Ah. Several tests are conducted considering different types of noise and parameters variation. A nonrandom Gaussian noise is first added to the battery voltage. The maximum root mean square error (RMSE) of the estimated SoC is about 2.8% for a standard deviation of the noise set to 2.6e−3 P.U. The same noise is applied to the battery current and the maximum RMSE of the SoC is obtained as 1.36%. Moreover, an EMI noise is added to the battery voltage and the obtained RMSE of the SoC is about 1.73% for a peak amplitude of the noise set to 0.07 P.U. The convergence of the algorithm is also confirmed under battery parameters variation due to the temperature change. However, its accuracy degrades considerably. Finally, a comparative study is carried out with the extended Kalman filter and shows the superiority of SVSF in terms of accuracy and robustness against measurement noise.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».