Estimation of the battery state of charge: a switching Markov state-space model

Autor: Jana Kalawoun, Gilles Celeux, Patrick Pamphile, Krystyna Biletska, Maxime Montaru
Přispěvatelé: Laboratoire d'Intégration des Systèmes et des Technologies (LIST), Direction de Recherche Technologique (CEA) (DRT (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Model selection in statistical learning (SELECT), Laboratoire de Mathématiques d'Orsay (LMO), Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Département des Technologies Solaires (DTS), Laboratoire d'Innovation pour les Technologies des Energies Nouvelles et les nanomatériaux (LITEN), Institut National de L'Energie Solaire (INES), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Institut National de L'Energie Solaire (INES), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS), Laboratoire Sciences des Données et de la Décision (LS2D), Département Métrologie Instrumentation & Information (DM2I), Laboratoire d'Intégration des Systèmes et des Technologies (LIST (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Direction de Recherche Technologique (CEA) (DRT (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Laboratoire d'Intégration des Systèmes et des Technologies (LIST (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Inria-CWI (Inria-CWI), Centrum Wiskunde & Informatica (CWI)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS), This work was supported by the French agency ADEME, as part of the FOREWHEEL project., Eurasip, Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire de Mathématiques d'Orsay (LMO), Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'analyse des données et d'intelligence des systèmes (LADIS), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Laboratoire d'Intégration des Systèmes et des Technologies (LIST), Laboratoire de Mathématiques d'Orsay (LM-Orsay), Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)
Jazyk: angličtina
Rok vydání: 2015
Předmět:
business.product_category
Computer science
02 engineering and technology
Decision support systems
Switching Markov State-Space Model
01 natural sciences
7. Clean energy
010104 statistics & probability
Electric vehicle
Monte Carlo
battery SoC estimation
State of Charge
State-space representation
Markov processes
battery powered vehicles
Switch-ing Markov State-Space Model
Particle Filter
Monte Carlo methods
021001 nanoscience & nanotechnology
simulation
state-space methods
[STAT]Statistics [stat]
State of charge
symbols
estimation theory
0210 nano-technology
Particle filter
[STAT.ME]Statistics [stat]/Methodology [stat.ME]
Kalman Filter
[SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
Battery (electricity)
Signal processing
Index Terms— State of Charge
Markov model
modelling
symbols.namesake
Control theory
Hardware_GENERAL
0101 mathematics
battery charge measurement
EM algorithm
Simulation
Markov chain
[SPI.NRJ]Engineering Sciences [physics]/Electric power
Markov chain Monte Carlo
Kalman filter
[INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation
[INFO.INFO-IR]Computer Science [cs]/Information Retrieval [cs.IR]
battery state of charge estimation
business
Voltage
Zdroj: EUSIPCO'2015
EUSIPCO'2015, Aug 2015, Nice, France. pp.5
EUSIPCO 2015-The 23rd European Signal Processing Conference
EUSIPCO 2015-The 23rd European Signal Processing Conference, Eurasip, Aug 2015, Nice, France. pp.1950-1954, ⟨10.1109/EUSIPCO.2015.7362724⟩
2015 23rd European Signal Processing Conference (EUSIPCO)
2015 23rd European Signal Processing Conference (EUSIPCO), Aug 2015, Nice, France. pp.7362724, ⟨10.1109/EUSIPCO.2015.7362724⟩
EUSIPCO
DOI: 10.1109/EUSIPCO.2015.7362724⟩
Popis: International audience; An efficient estimation of the State of Charge (SoC) of a battery is a challenging issue in the electric vehicle domain. The battery behavior depends on its chemistry and uncontrolled usage conditions, making it very difficult to estimate the SoC. This paper introduces a new model for SoC estimation given instantaneous measurements of current and voltage using a Switching Markov State-Space Model. The unknown parameters of the model are batch learned using a Monte Carlo approximation of the EM algorithm. Validation of the proposed approach on an electric vehicle real data is encouraging and shows the ability of this new model to accurately estimate the SoC for different usage conditions.
Databáze: OpenAIRE
Externí odkaz: