基于SR?UKF算法的锂电池SOH预测

摘要：

传统的扩展卡尔曼滤波(EKF)算法估计精度较低,无迹卡尔曼滤波(UKF)算法不能确保滤波过程中状态误差协方差矩阵非负性,因而易出现滤波发散问题.为此,文中通过平方根无迹卡尔曼滤波(SR?UKF)算法预测锂电池健康状态(SOH).首先,利用UT变换对系统进行线性化处理;然后,利用状态误差协方差矩阵的平方根替代状态误差协方差矩阵,保证状态误差协方差矩阵非负性;其次,构建二阶RC等效电路模型,根据最小二乘法辨识模型初始参数;最后,将代表SOH的欧姆内阻作为状态变量,使用SR?UKF实时估计欧姆内阻,并根据欧姆内阻与SOH的关系获取锂电池的SOH.为验证SR?UKF算法在不同放电情况下的适应性,通过恒流放电工况和HPPC放电工况对SR?UKF算法进行仿真.结果表明,相比于传统的EKF算法、UKF算法,SR?UKF算法预测欧姆内阻的效果更好.

关键词：锂电池、健康状态、平方根无迹卡尔曼滤波、线性化处理、等效电路模型、欧姆内阻估计

所属期刊栏目：45

分类号：TN713⁃34;TM911(基本电子电路)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-09-20（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：117-121