基于改进的粒子群优化扩展卡尔曼滤波算法的锂电池模型参数辨识与荷电状态估计

被引：65

作者：

项宇

马晓军

刘春光

可荣硕

赵梓旭

机构：

[1] 装甲兵工程学院控制工程系

来源：

兵工学报 | 2014年 / 35卷 / 10期

关键词：

电气工程; 锂电池; 荷电状态; 模型参数; 粒子群优化算法; 扩展卡尔曼滤波;

D O I：

暂无

中图分类号：

TM912 [蓄电池];

学科分类号：

080802 [电力系统及其自动化];

摘要：

为解决锂电池荷电状态(SOC)难以精确估计的问题,提出了基于改进的粒子群优化扩展卡尔曼滤波(IPSO-EKF)算法预测电池SOC。为减小参数非线性特性影响,重新构建了EKF算法电池状态空间方程,以辨识出的电池模型参数为基础,获得SOC最优估计。采用IPSO算法优化EKF算法噪声方差矩阵,解决系统状态误差协方差矩阵和测量噪声协方差矩阵最优解获取难题,进一步提高SOC的估计精度。计算结果表明:IPSO-EKF算法能够精确地辨识电池模型参数和SOC值,并能够很好地修正状态变量初始误差。

引用

页码：1659 / 1666

页数：8

共 11 条

[1]

电动汽车用镍氢电池模型参数辨识和SOC估算研究 [D].