基于核极限学习机与容积卡尔曼滤波融合的锂电池荷电状态估计

• 作者: 刘世林 李德俊 姚伟 王宁
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 锂离子电池 荷电状态估计 卡尔曼滤波 核极限学习机
• 年，卷（期）: 2024,（10）
• 所属期刊栏目: 电气与信息工程
• 页码范围: 55-63
• 页数: 9页
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2023237

摘要

为了提高锂电池荷电状态（SOC）估计精度，在容积卡尔曼滤波（CKF）算法中引入误差补偿机制，提出一种核极限学习机（KELM）和CKF相融合的估计方法 .通过递归最小二乘法（RLS）动态跟踪等效电路模型的参数，由CKF算法得到SOC的初步估计值；以锂电池的工作电压、电流、CKF算法的残差均值和方差作为输入，初步估计值与真实值的偏差作为输出，采用KELM算法，在联邦城市驾驶工况（FUDS）下进行训练，得到CKF算法估计误差的预测模型；利用KELM预测模型的回归预测能力对初步估计值进行误差补偿，从而达到降低估计误差的目的 .为了验证所提方法的有效性和先进性，采用Arbin电池测试平台的实验数据进行仿真分析，结果表明在多种工况下所提方法均具有更高的估计精度、更强的泛化性和鲁棒性.