基于模糊神经网络优化扩展卡尔曼滤波的锂离子电池荷电状态估计

摘要：

电池荷电状态(state of charge, SOC)的精确估计是判断电池是否过充或过放的重要依据,是电动汽车安全、可靠运行的重要保障.传统基于扩展卡尔曼滤波(extended Kalman filter, EKF)的SOC估计方法过度依赖于精确的电池模型,并且要求系统噪声必须服从高斯白噪声分布.为解决上述问题,基于模糊神经网络(fuzzy neural network, FNN)建立模型误差预测模型,并藉此修正扩展卡尔曼滤波测量噪声协方差,以实现当模型误差较小时对状态估计进行测量更新,而当模型误差较大时只进行过程更新.仿真和实验结果表明,该算法能有效消除由于模型误差和测量噪声统计特性不确定而引入的SOC估计误差,误差在1.2%以内,并且具有较好的收敛性和鲁棒性,适用于电动汽车的各种复杂工况,应用价值较高.

关键词：动力电池、SOC估计、模型误差、模糊神经网络、扩展卡尔曼滤波

所属期刊栏目：33

分类号：TM912

资助基金：国家自然科学基金项目61527809,61273097,51277116,61403162;国家自然科学基金重大国际地区合作研究项目61320106011资助.Supported by National Natural Science Foundation of China61527809,61273097,51277116,61403162;Major International Regional Joint Research Project of the National Natural Science Foundation of China61320106011

在线出版日期：2016-05-05（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：212-220