基于自适应UKF的锂离子动力电池状态联合估计

作     者：章军辉 李庆 陈大鹏 赵野 ZHANG Jun-hui;LI Qing;CHEN Da-peng;ZHAO Ye

作者机构：中国科学院微电子研究所北京100029 江苏物联网研究发展中心江苏无锡214135 无锡物联网创新中心有限公司江苏无锡214135 

基　　金：江苏省博士后科研资助计划(2020Z411) 国家重点研发计划项目(2016YFB0100516) 

出 版 物：《东北大学学报（自然科学版）》 (Journal of Northeastern University(Natural Science))

年 卷 期：2020年第41卷第11期

页      码：1557-1563页

摘      要：针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波(unscented Kalman filter,UKF)框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换(unscented transform,UT)时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态(state of charge,SOC)以及电池健康状态(state of health,SOH)的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.

主 题 词：荷电状态 健康状态 无迹卡尔曼滤波 自适应滤波 锂离子动力电池 

学科分类：0808[工学-自动化类] 08[工学] 

核心收录：

D　O　I：10.12068/j.issn.1005-3026.2020.11.006

馆 藏 号：203989804...