基于蒙特卡洛和SH-AUKF算法的锂电池SOC估计

摘要：

针对锂离子电池荷电状态(State of charge,SOC)估计精度低的问题,将Sage-Husa自适应算法与无迹卡尔曼滤波算法相结合,提出了一种可以对系统噪声进行不断更新和修正的自适应滤波新算法——SH-AUKF算法.在动态应力测试(Dynamic stress test,DST)工况下,采用无迹卡尔曼滤波(Unscented Kalman filter,UKF)、自适应无迹卡尔曼滤波(Adaptive unscented Kalman filter,AUKF)和SH-AUKF三种算法分别对SOC进行估计.结果表明,SH-AUKF算法估计SOC的误差最小,估计精度最高.与UKF相比,SH-AUKF算法的估计精度提高了45.4％;与AUKF相比,SH-AUKF算法的估计精度提高了14.3％.为了进一步降低噪声干扰的偶然性和突发性对SOC估计的影响,在估计过程中加入了蒙特卡洛采样方法.结果表明,融合了蒙特卡洛方法的SH-AUKF算法估计SOC时,估计误差区间仅为±1×10?3,有效提高了估计精度.

关键词：锂离子电池、荷电状态、Sage-Husa、蒙特卡洛

所属期刊栏目：17

分类号：TM911

资助基金：国家重点研发计划;陕西省重点研发计划;陕西省重点研发计划-电动汽车能量管理关键技术与高密度动力锂电池开发资助项目

在线出版日期：2022-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：66-75