-
题名基于SQKF的锂离子电池剩余寿命预测
被引量：1
- 1
-
-
作者
黄梦涛
胡礼芳
张齐波
-
机构
西安科技大学电气与控制工程学院
-
出处
《西安科技大学学报》
CAS
北大核心
2022年第5期994-1002,共9页
-
基金
陕西省重点研发计划项目(2019GY-097)。
-
文摘
针对锂离子电池剩余寿命(remaining useful life, RUL)难以精准预测的问题,建立单指数经验容量衰退模型,提出能够有效解决电池非线性问题的平方根求积分卡尔曼滤波(square-root quadrature kalman filtering, SQKF)算法。现有的最优估计方法中,求积分卡尔曼滤波(quadrature kalman filtering, QKF)是一种高精度采样算法。研究发现,QKF的估计误差易引起非对称、非正定协方差的传播,影响算法稳定性。在QKF算法上进行平方根扩展,并对单变量求积节点进行多维扩展,将SQKF算法应用于电池容量跟踪估计;另外,从理论上证明SQKF的稳定性。使用NASA公开数据集对算法进行仿真验证,并与现有的扩展卡尔曼滤波、无迹滤波、QKF算法对比。结果表明,在一定条件下,SQKF的RUL预测误差在6%以内,数值精度以及数值稳定性有很大提高,并且研究发现SQKF受锂离子电池个体差异性的影响较小,文中方法在锂离子电池RUL预测的实际应用方面具有参考价值。
-
关键词
锂离子电池
剩余使用寿命
经验容量衰退模型
平方根求积分卡尔曼滤波
-
Keywords
lithium-ion battery
remaining useful life
empirical capacity degradation model
square-root quadrature Kalman filtering
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
