基于AUKF-BP神经网络的锂电池SOC估算

摘要：

电池荷电状态(SOC)的估算作为车载电池管理系统(BMS)的核心技术之一,其准确预估可以延长电池使用寿命,确保整车的正常行驶.本文以锂离子电池为研究对象,提出一种基于自适应无迹卡尔曼滤波(AUKF)和BP神经网络相结合的电池SOC估算方法.该方法通过采样策略自适应性提高了UKF的估算精度,并利用训练好的BP神经网络SOC输出值作为UKF的观测量.使用Arbin电池测试平台采集的不同温度下的混合工况和FUDS工况电池测试数据为基础,比较AUKF-BP算法和BP算法的准确性.结果表明,不同温度下的AUKF-BP算法的平均均值误差为0.82％,BP算法的平均均值误差为1.63％,基于AUKF-BP的SOC估计方法具有更高的鲁棒性和准确性.

关键词：锂离子电池、SOC估算、BP神经网络、AUKF

所属期刊栏目：10

分类号：TM912.6

资助基金：湖北省技术创新专项重大项目;"机电汽车"湖北省优势特色学科群开放基金;中央引导地方科技发展财政专项;湖北省自然科学基金青年项目

在线出版日期：2021-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：237-241