基于AEKPF算法对锂离子电池SOC与SOH的联合估计

摘要：

为了提高锂离子电池SOC(state of charge)和SOH(state of health)的估计精度,采用自适应扩展卡尔曼粒子滤波(adaptive extended Kalman particle filter,AEKPF)算法估算SOC和SOH,该算法通过修正噪声可以解决运用EKF(extended Kalman filter)算法时的噪声误差累积问题,并且AEKF(adaptive extended Kalman filter)算法作为PF(particle filter)算法的建议分布用来实时更新粒子,可以改善单独采用PF算法时的粒子退化问题.为了提高SOC的估计精度,提出考虑电池的劣化特征,联合SOH实现对SOC的修正估计.在Matlab环境下的仿真结果表明:AEKPF算法与AEKF算法相比,可以得到更加准确的SOC和SOH估计值,而且AEKPF算法联合SOH可以有效提高SOC的估计精度,仿真绝对误差不超过±1％.

关键词：锂离子电池;SOC估计;SOH估计;自适应扩展卡尔曼粒子滤波算法;联合估计

所属期刊栏目：43

分类号：TM912

资助基金：中央高校基本科研业务费专项资金资助项目;中央高校基本科研业务费专项资金资助项目;广东省重点领域研发计划项目

在线出版日期：2022-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：24-31