交互多模型无迹卡尔曼滤波算法预测锂电池SOC

摘要：

在动力电池荷电状态(state of charge,SOC)预测方法中,针对安时积分法存在累计误差、拓展卡尔曼滤波算法估计结果发散等问题,本文提出了基于交互多模型无迹卡尔曼滤波(IMM-UKF)算法的SOC估计策略.首先建立二阶RC电池等效模型,利用含有遗忘因子的递推最小二乘法在线辨识电池等效模型参数,考虑电池在不同倍率状态下放电引起电池实际容量的变化和传感器的噪声,通过建立大电流、中电流、小电流3个不同参数的电池模型,然后研究三个模型之间马尔科夫链,根据先验信息确定各模型之间的转移概率和模型概率,最后搭建Matlab仿真模型,其实验结果表明IMM-UKF估计平均误差在1％以内,算法的自适应性增强,预测精度提高,较目前主流的预测方法有更好地预测效果.

关键词：SOC、递推最小二乘法、IMM-UKF、马尔科夫链、自适应性

所属期刊栏目：9

分类号：TM911

资助基金：空间多维多尺度维纳精密制造机构拓扑构型非线性优化研究20151BAB206034

在线出版日期：2020-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：257-265