基于奇异值分解无迹卡尔曼滤波的锂电池荷电状态估计

摘要：

锂电池的荷电状态(state of charge,SOC)是电池管理系统(battery management system,BMS)对锂电池进行管理的重要指标.针对传统SOC估计方法存在的精度低、计算复杂和鲁棒性差等问题,提出一种基于奇异值分解无迹卡尔曼滤波(sin-gular value decomposition unscented Kalman filter,SVD-UKF)的SOC估计方法.利用无迹变换(unscented transformation,UT)提高了计算精度的同时降低了计算量,并且克服了UKF在状态协方差矩阵P非半正定时会出现滤波发散的缺点,提高了算法的鲁棒性.实验结果表明,该算法能够快速收敛于真值,并且将估算误差降低至1％.

关键词：荷电状态、SOC估算、奇异值分解无迹卡尔曼滤波(SVD-UKF)、奇异值分解

所属期刊栏目：20

分类号：TM912.2

资助基金：四川省科技计划2019JDTD0003

在线出版日期：2021-01-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：14530-14535