基于自适应UKF的锂离子动力电池状态联合估计

• 作者: 李庆 章军辉 赵野 陈大鹏
• 来源期刊: 东北大学学报（自然科学版）
• 学科: 工学
• 关键词: 荷电状态 健康状态 无迹卡尔曼滤波 自适应滤波 锂离子动力电池
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 信息与控制
• 页码范围: 1557-1563
• 页数: 7页
• 分类号: TM912.9
• 语种: 中文
• DOI: 10.12068/j.issn.1005-3026.2020.11.006

摘要

针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波(unscented Kalman filter,UKF)框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换(unscented transform,UT)时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态(state of charge,SOC)以及电池健康状态(state of health,SOH)的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李庆	中国科学院微电子研究所	51	423	14.0	19.0
2	陈大鹏	中国科学院微电子研究所	79	466	10.0	17.0
3	赵野	中国科学院微电子研究所	21	56	4.0	6.0
4	章军辉	中国科学院微电子研究所	7	20	2.0	4.0