大连理工大学学报

作者：刘淑杰,郝昆昆,王永,邓威威

关键词：锂离子电池荷电状态等效电路模型参数辨识粒子滤波卡尔曼滤波

基金：国家自然科学基金资助项目(51975100).

传统电池荷电状态(SOC)估计中常用的扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)方法仅适用于线性系统和高斯条件，虽然粒子滤波(PF)算法能用于非线性和非高斯系统，但PF算法在滤波更新时存在粒子退化现象，使粒子集无法表示实际后验概率分布，导致估计精度降低．采用改进的扩展粒子滤波(EPF)和无迹粒子滤波(UPF)算法对电池SOC进行估计，抑制了粒子权重退化．以Thevenin模型对电池进行建模，利用带遗忘因子的最小二乘方法进行模型参数辨识，结合改进后的滤波算法对电池SOC进行估计．实验结果表明，以UKF为建议密度函数进行重采样的UPF方法平均估计误差为0.71%，低于以EKF为建议密度函数的EPF方法平均误差(1.09%)，两种方法的估计误差均小于PF估计误差(1.36%)，有效抑制了粒子权重退化．

来源：2020年第4期

《大连理工大学学报》期刊编辑部

查看大连理工大学学报杂志2020年第4期