基于融合模型的锂离子电池荷电状态在线估计

• 作者: 刘祥远 王晓兰 靳皓晴
• 来源期刊: 工程科学学报
• 学科: 工学
• 关键词: 锂离子电池 荷电状态估计 扩展卡尔曼滤波 极限学习机 融合模型
• 年，卷（期）: 2020,（9）
• 页码范围: 1200-1208
• 页数: 9页
• 分类号: TM911.3
• 语种: 中文

摘要

针对锂离子电池荷电状态(Stage of charge,SOC)在线估计精度不高,等效电路模型法估计精度与模型复杂度相矛盾的问题,本文对扩展卡尔曼滤波算法进行了改进,并以电池工作电压、电流为输入,对应等效电路模型法的SOC估计误差为输出,采用极限学习机算法,建立基于输入输出数据的SOC估计误差预测模型,采用物理-数据融合方法,基于误差预测模型,建立了等效电路模型法结合极限学习机的锂离子电池SOC在线估计模型. 仿真结果表明,改进扩展卡尔曼滤波算法提高了算法的估计精度,而物理-数据融合的锂离子电池SOC在线估计模型减小了由电压、电流测量所引入的估计误差,克服了等效电路模型法估计精度与模型复杂度之间相矛盾的问题,进一步提高了SOC的估计精度,满足估计误差不超过5%的应用需求.