基于EKF-SVM算法的动力电池SOC估计

• 作者: 何耀 刘兴涛 刘新天 李坤 武骥
• 来源期刊: 汽车工程
• 关键词: 锂离子电池 荷电状态 扩展卡尔曼滤波 支持向量机 组合算法
• 年，卷（期）: 2020,（11）
• 页码范围: 1522-1528,1544
• 页数: 8页
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2020.11.010

摘要

针对单一SOC估计算法无法同时满足多项指标要求的问题,提出一种扩展卡尔曼滤波(EKF)与支持向量机(SVM)相结合的算法.通过动态跟踪模型参数和对开路电压(OCV)的实时估计,由EKF算法得到初步SOC估计值;通过对EKF算法滤波输出的DST工况数据进行训练,得到SVM模型,并利用其回归预测能力对初步估计值进行误差补偿,进一步地降低了估计误差.仿真结果表明,相比EKF算法和EKF-BP算法,所提EKF-SVM算法具有良好鲁棒性和泛化性,可实现电池SOC的准确估计,其最大绝对误差为1％左右.