| 基于最大相关熵扩展卡尔曼滤波算法的锂离子电池荷电状态估计 |
| |
| 引用本文： | 巫春玲,胡雯博,孟锦豪,刘智轩,程琰清. 基于最大相关熵扩展卡尔曼滤波算法的锂离子电池荷电状态估计[J]. 电工技术学报, 2021, 36(24): 5165-5175. DOI: 10.19595/j.cnki.1000-6753.tces.210950 |
| |
| 作者姓名： | 巫春玲 胡雯博 孟锦豪 刘智轩 程琰清 |
| |
| 作者单位： | 长安大学电子与控制工程学院 西安 710061;四川大学电气工程学院 成都 610065 |
| |
| 基金项目： | 国家自然科学基金;陕西省重点研发计划资助项目 |
| |
| 摘 要： | 针对在非高斯噪声干扰下,传统扩展卡尔曼滤波(EKF)算法估计锂离子电池荷电状态(SOC)时精度低的问题,该文提出一种基于最大相关熵的扩展卡尔曼滤波新算法(MCC-EKF),用于估计锂离子电池的荷电状态.首先对锂离子电池进行Thevenin等效电路建模,并对该模型中的参数进行辨识;然后在不同噪声类型干扰下,分别运用所提出新算法MCC-EKF和EKF算法对电池进行SOC估计.实验结果表明,与EKF算法相比,新算法在高斯噪声干扰下,运行时间增加0.282s,估计精度提高19％;在非高斯噪声干扰下,运行时间增加0.418s,估计精度提高51％;可见新算法的估计精度高于EKF算法,尤其是在非高斯噪声干扰下,新算法的估计精度有显著性提高.另外,新算法在给定错误初始SOC值的情况下,在电池开始工作后10s内就能够收敛到真实值,说明新算法具有较好的鲁棒性.故新算法在运行时间增加很小的情况下,估计精度高且鲁棒性好,是一种非常有效的SOC估计方法.
|
| 关 键 词： | 锂离子电池 参数辨识 非高斯噪声 荷电状态 |
State of Charge Estimation of Lithium-Ion Batteries Based on Maximum Correlation-Entropy Criterion Extended Kalman Filtering Algorithm |
| |
| Wu Chunling,Hu Wenbo,Meng Jinhao,Liu Zhixuan,Cheng Yanqing. State of Charge Estimation of Lithium-Ion Batteries Based on Maximum Correlation-Entropy Criterion Extended Kalman Filtering Algorithm[J]. Transactions of China Electrotechnical Society, 2021, 36(24): 5165-5175. DOI: 10.19595/j.cnki.1000-6753.tces.210950 |
| |
| Authors: | Wu Chunling Hu Wenbo Meng Jinhao Liu Zhixuan Cheng Yanqing |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
