基于改进粒子群算法辨识电池参数估算SOC

作者：刘继超^*; 王维庆; 王海云; 邓永存

来源：电池, 2020, 50(01): 65-69.

DOI：10.19535/j.1001-1579.2020.01.016

• 一阶RC等效电路模型
• 双线性变换
• 无迹卡尔曼滤波(UKF)算法
• 改进粒子群

针对电池模型多参数辨识的问题及传统辨识算法收敛精度差、收敛速度慢的问题,提出基于改进粒子群算法的参数辨识方法,并与无迹卡尔曼滤波(UKF)算法相结合,估算电池荷电状态(SOC)。根据一阶RC等效电路模型,采用双线性变换进行离散化处理得到辨识模型;引入学习因子(Pai)、非线性多尺度学习策略和免疫综合学习策略,改进算法,提高粒子群算法的全局寻优能力与收敛精度,实现在线辨识电池参数;根据电池综合状态系统估算SOC。仿真结果表明,相对于基本粒子群相对误差约为6%,该算法的相对误差约为3%,且波动较小,可更准确地估算电池的SOC。

• 单位
  新疆大学