基于交互式多模型无迹卡尔曼滤波的锂电池荷电状态估计

论文摘要

为了提高传统卡尔曼滤波法估计锂电池荷电状态（SOC）的精度,在锂电池二阶RC等效电路模型基础上,根据隐马尔科夫模型（HMM）理论并采用遗传算法优化构造出了不同参数状态的电池模型。结合交互式多模型（IMM）算法与无迹卡尔曼滤波（UKF）算法进行SOC估计,提出了一种基于HMM的IMM-UKF算法估计锂电池SOC的方法。锂电池在线SOC估计实验表明,该方法比较其他估计方法有着更高的估计精度,平均绝对误差仅为1%。

论文目录

• 1 电池模型参数辨识
• 2 基于HMM的IMM-UKF算法
•   2.1 HMM隐藏状态转移概率估计
•   2.2 输入交互
•   2.3 滤波
•   2.4 模型概率更新
•   2.5 输出交互
• 3 锂电池SOC估计流程与实现
•   3.1 模型加权因子与优化
•   3.2 建立状态方程与测量方程
•   3.3 方法流程图
• 4 实验验证与分析
• 5 结论

文章来源

类型: 期刊论文

作者: 谭霁宬,颜学龙

关键词: 荷电状态,隐马尔科夫模型,交互式多模型,无迹卡尔曼滤波,遗传算法

来源: 科学技术与工程 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 桂林电子科技大学电子工程与自动化学院

基金: 广西自动检测技术与仪器重点实验基金(YQ17101)资助

分类号: TM912

页码: 170-175

总页数: 6

文件大小: 310K

下载量: 169