基于BP-EKF算法的锂电池SOC联合估计

• 作者: 孔祥创 王春燕 赵万忠
• 来源期刊: 汽车工程
• 关键词: 锂电池 荷电状态 扩展卡尔曼滤波 BP神经网络 联合估计
• 年，卷（期）: 2017,（6）
• 页码范围: 648-652
• 页数: 5页
• 字数: 3083字
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2017.06.007

摘要

电池荷电状态(SOC)的准确估计是电动车辆进行整车控制优化的先决条件,也是合理实施电池管理的依据.本文中在确定1阶RC等效电路模型的基础上,采用含有遗忘因子的递推最小二乘算法和BP-EKF算法对模型参数与SOC进行在线联合估计,提出一种BP神经网络和扩展卡尔曼滤波(EKF)相结合的锂离子动力电池SOC估计方法,使用相应的滤波输出参数离线训练BP神经网络,进而将训练成功的BP神经网络用于补偿EKF算法的估计误差.通过仿真和电池动态工况试验验证,结果表明,与EKF算法相比,所提出的SOC估计方法具有良好的抑制发散和鲁棒性能,能有效提高SOC的估计精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵万忠	南京航空航天大学能源与动力学院	59	387	12.0	17.0
3	王春燕	南京航空航天大学能源与动力学院	25	232	8.0	14.0
9	孔祥创	南京航空航天大学能源与动力学院	1	22	1.0	1.0