| 基于改进粒子滤波算法的动力锂离子电池荷电状态估计 |
| |
| 引用本文： | 刘淑杰,郝昆昆,王永,邓威威.基于改进粒子滤波算法的动力锂离子电池荷电状态估计[J].大连理工大学学报,2020,60(4):392-401. |
| |
| 作者姓名： | 刘淑杰 郝昆昆 王永 邓威威 |
| |
| 基金项目： | 国家自然科学基金资助项目(51975100). |
| |
| 摘 要： | 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.
|
| 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 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《大连理工大学学报》浏览原始摘要信息 |
| 点击此处可从《大连理工大学学报》下载免费的PDF全文 |
|
