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

作者：巫春玲; 胡雯博^*; 孟锦豪; 刘智轩; 程琰清

来源：电工技术学报, 2021, 36(24): 5165-5175.

DOI：10.19595/j.cnki.1000-6753.tces.210950

• 锂离子电池
• 参数辨识
• 非高斯噪声
• 荷电状态

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。

• 单位
  长安大学; 四川大学