由MIEKPF-EKPF算法协同估计锂离子电池SOC与SOH

摘要：

针对锂离子电池荷电状态(SOC)和健康状态(SOH)难以直接测量的问题,提出基于多新息的扩展卡尔曼粒子滤波(MIEKPF)与扩展卡尔曼粒子滤波(EKPF)协同估计SOC和SOH.采用EKPF算法在线辨识参数,并估计SOH,将阻容等辨识结果作为输入,弥补估计SOC时应该考虑电池老化影响产生的误差,实现SOH对SOC的修正,提高模型精度.在新欧洲驾驶周期(NEDC)工况下,进行充放电实验,EKPF算法估计SOH的结果符合实际情况.MIEKPF-EKPF算法最终SOC估计的平均误差为0.48％、最大误差为1.97％、均方根误差为0.58％,仿真结果验证了所提方法的可行性和准确性.

关键词：荷电状态(SOC)、健康状态(SOH)、扩展卡尔曼粒子滤波(EKPF)、协同估计

所属期刊栏目：53

分类号：TM912.9

资助基金：国家自然科学基金;新疆维吾尔自治区科技计划

在线出版日期：2023-05-24（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：160-164