自适应渐消无迹卡尔曼滤波锂电池SoC估计

作     者：郭向伟 李璐颖 王晨 王亚丰 李万 Guo Xiangwei;Li Luying;Wang Chen;Wang Yafeng;Li Wan

作者机构：河南理工大学电气工程与自动化学院焦作454003 

基　　金：国家自然科学基金(61973105) 河南省高校基本科研业务费(NSFRF210332,NSFRF230604) 河南省高校重点科研项目(23A470006) 河南省科技攻关项目(232102240078)资助 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2024年第38卷第3期

页      码：167-175页

摘      要：精确的荷电状态(SoC)是锂电池安全高效运行的重要保障,文章针对传统无迹卡尔曼滤波(UKF)对非线性系统突变状态跟踪能力差,导致SoC估计精度低的问题,提出一种新型自适应渐消无迹卡尔曼滤波(AFUKF)SoC估计方法。首先,通过设计新型衰减因子对UKF误差协方差矩阵进行加权,并基于新型衰减因子完成AFUKF的设计,减小陈旧量测值对估计结果的影响,提高传统UKF的估计精度和跟踪能力。其次,基于自主实验平台测试数据,验证了本文所提AFUKF算法存在初始误差时,相较于传统UKF算法,ECE工况下平均绝对误差和均方根误差分别下降了47.95%和33.92%,DST工况下分别下降了36.40%和27.73%;相较于同类改进的AUKF算法,ECE工况下平均绝对误差和均方根误差分别下降了43.36%和33.51%,DST工况下分别下降了39.01%和25.63%。模型结果表明,相比于传统UKF算法以及同类型改进的AUKF算法,AFUKF具有更高的估计精度,且在相同初始SoC误差条件下具有更好的鲁棒性。

主 题 词：荷电状态 衰减因子 无迹卡尔曼滤波 自适应渐消无迹卡尔曼滤波 

学科分类：0808[工学-自动化类] 080901[080901] 0809[工学-计算机类] 08[工学] 

核心收录：

D　O　I：10.13382/j.jemi.B2306921

馆 藏 号：203128271...