利用扩展卡尔曼滤波(extend Kalman filter,EKF)算法估计锂电池的荷电状态(state of charge,SOC)时,经常会遇到SOC初值设定不准确和非高斯观测噪声干扰的问题,直接造成估计精度不高。为解决上述问题,该文建立锂电池的一阶戴维南等效电...利用扩展卡尔曼滤波(extend Kalman filter,EKF)算法估计锂电池的荷电状态(state of charge,SOC)时,经常会遇到SOC初值设定不准确和非高斯观测噪声干扰的问题,直接造成估计精度不高。为解决上述问题,该文建立锂电池的一阶戴维南等效电路模型,提出最大熵准则下,分阶段变换观测噪声协方差的扩展卡尔曼滤波算法估计锂电池SOC。该算法在SOC起始估计阶段利用小数量级观测噪声协方差提升收敛速度,并以观测残差一阶低通滤波值的第一次正负状态转换作为收敛判据。当判断估计值已快速收敛至容许误差范围内时,算法自适应地切换为大数量级观测噪声协方差来保证后续估计波形的平滑度,同时引入最大熵准则以迭代递推形式实时修正观测噪声的统计特性,用来减小非高斯观测噪声对估计精度的影响。结果表明,所提方法估计SOC的综合性能优异、鲁棒性强,具有很好的工程应用价值。展开更多
文摘利用扩展卡尔曼滤波(extend Kalman filter,EKF)算法估计锂电池的荷电状态(state of charge,SOC)时,经常会遇到SOC初值设定不准确和非高斯观测噪声干扰的问题,直接造成估计精度不高。为解决上述问题,该文建立锂电池的一阶戴维南等效电路模型,提出最大熵准则下,分阶段变换观测噪声协方差的扩展卡尔曼滤波算法估计锂电池SOC。该算法在SOC起始估计阶段利用小数量级观测噪声协方差提升收敛速度,并以观测残差一阶低通滤波值的第一次正负状态转换作为收敛判据。当判断估计值已快速收敛至容许误差范围内时,算法自适应地切换为大数量级观测噪声协方差来保证后续估计波形的平滑度,同时引入最大熵准则以迭代递推形式实时修正观测噪声的统计特性,用来减小非高斯观测噪声对估计精度的影响。结果表明,所提方法估计SOC的综合性能优异、鲁棒性强,具有很好的工程应用价值。
