江苏大学学报(自然科学版)

作者：张新锋1，姚蒙蒙1，宋瑞1,2，崔金龙1

单位：1. 长安大学 汽车学院，陕西 西安 710061； 2. 中汽研汽车检验中心(广州)有限公司，广东 广州 511340

关键词：锂离子电池, SOC估计, SOH估计, 自适应扩展卡尔曼粒子滤波算法, 联合估计

基金：中央高校基本科研业务费专项资金资助项目(CHD2012JC048，72105473); 广东省重点领域研发计划项目（2020B090919004）

 为了提高锂离子电池SOC（state of charge）和SOH（state of health）的估计精度，采用自适应扩展卡尔曼粒子滤波（adaptive extended Kalman particle filter, AEKPF）算法估算SOC和SOH，该算法通过修正噪声可以解决运用EKF（extended Kalman filter）算法时的噪声误差累积问题，并且AEKF（adaptive extended Kalman filter）算法作为PF（particle filter）算法的建议分布用来实时更新粒子，可以改善单独采用PF算法时的粒子退化问题.为了提高SOC的估计精度，提出考虑电池的劣化特征，联合SOH实现对SOC的修正估计.在Matlab环境下的仿真结果表明：AEKPF算法与AEKF算法相比，可以得到更加准确的SOC和SOH估计值，而且AEKPF算法联合SOH可以有效提高SOC的估计精度，仿真绝对误差不超过±1%.

来源：2022年第1期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2022年第1期