基于双自适应扩展粒子滤波器的锂离子电池状态联合估计

为了更好地优化电池的能量管理，提高电池的利用效率，加强电池的安全性能，有必要对锂离子电池的荷电状态（SOC）和健康状态（SOH）进行精确估计。为解决噪声协方差取值和粒子采样分布问题，该文首先提出自适应扩展粒子滤波（AEPF）算法，根据状态向量预测的准确度自适应调整噪声协方差，并利用扩展卡尔曼滤波实现粒子分布函数的局部线性化。随后利用双自适应扩展粒子滤波（DAEPF）算法进一步实现电池SOC和SOH的联合估计，避免电池使用过程中模型参数变化对SOC估计的影响，并结合多时间尺度的方法节约所需的计算资源。最后在动态工况条件下对不同电池模型与算法进行对照实验，结果表明，改进后的算法收敛速度明显提升，且能够显著地提高电池的SOC与SOH的估计精度。