基于改进粒子滤波算法的动力锂离子电池荷电状态估计

• 作者: 刘淑杰 王永 邓威威 郝昆昆
• 来源期刊: 大连理工大学学报
• 学科: 工学
• 关键词: 锂离子电池 荷电状态 等效电路模型 参数辨识 粒子滤波 卡尔曼滤波
• 年，卷（期）: 2020,（4）
• 页码范围: 392-401
• 页数: 10页
• 分类号: TM912
• 字数: 6046字
• 语种: 中文
• DOI: 10.7511/dllgxb202004008

摘要

传统电池荷电状态(SOC)估计中常用的扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)方法仅适用于线性系统和高斯条件,虽然粒子滤波(PF)算法能用于非线性和非高斯系统,但PF算法在滤波更新时存在粒子退化现象,使粒子集无法表示实际后验概率分布,导致估计精度降低.采用改进的扩展粒子滤波(EPF)和无迹粒子滤波(UPF)算法对电池SOC进行估计,抑制了粒子权重退化.以Thevenin模型对电池进行建模,利用带遗忘因子的最小二乘方法进行模型参数辨识,结合改进后的滤波算法对电池SOC进行估计.实验结果表明,以UKF为建议密度函数进行重采样的UPF方法平均估计误差为0.71％,低于以EKF为建议密度函数的EPF方法平均误差(1.09％),两种方法的估计误差均小于PF估计误差(1.36％),有效抑制了粒子权重退化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘淑杰	大连理工大学机械工程学院	10	24	4.0	4.0
2	王永	大连理工大学机械工程学院	4	22	3.0	4.0
3	郝昆昆	大连理工大学机械工程学院	1	0	0.0	0.0
4	邓威威	大连理工大学机械工程学院	1	0	0.0	0.0