傳統(tǒng)電池荷電狀態(tài)（SOC）估計中常用的擴展卡爾曼濾波（EKF）和無跡卡爾曼濾波（UKF）方法僅適用于線性系統(tǒng)和高斯條件,雖然粒子濾波（PF）算法能用于非線性和非高斯系統(tǒng),但PF算法在濾波更新時存在粒子退化現(xiàn)象,使粒子集無法表示實際后驗概率分布,導致估計精度降低.采用改進的擴展粒子濾波（EPF）和無跡粒子濾波（UPF）算法對電池SOC進行估計,抑制了粒子權重退化.以Thevenin模型對電池進行建模,利用帶遺忘因子的最小二乘方法進行模型參數(shù)辨識,結合改進后的濾波算法對電池SOC進行估計.實驗結果表明,以UKF為建議密度函數(shù)進行重采樣的UPF方法平均估計誤差為0.71%,低于以EKF為建議密度函數(shù)的EPF方法平均誤差（1.09%）,兩種方法的估計誤差均小于PF估計誤差（1.36%）,有效抑制了粒子權重退化. 

【文章來源】：大連理工大學學報. 2020年04期 北大核心

【文章頁數(shù)】：10 頁

【部分圖文】：

一階Thevenin等效電路模型

方程(9)中,E(k)表示電池輸出電壓Ut(k)與開路電壓UOCV(k)間電壓差,UOCV(k)的獲取則是通過實驗建立的SOC-OCV曲線,如圖2通過查表法獲得的;方程(10)是方程(9)中各系數(shù)的數(shù)學表達式,其余各參數(shù)含義與方程(1)、(2)中相同.1.2 模型參數(shù)估計

表2 DST工況測試策略Tab.2 Testing strategy of DST 步驟 狀態(tài) 電流/A 時長/s 步驟 狀態(tài) 電流/A 時長/s 1 靜置 0 16 11 放電 -7.680 4 12 2 放電 -3.839 3 28 12 充電 3.850 0 8 3 放電 -7.680 4 12 13 靜置 0 16 4 充電 3.850 0 8 14 放電 3.839 4 36 5 靜置 0 16 15 放電 -30.724 0 8 6 放電 -3.839 5 24 16 放電 -19.202 0 24 7 放電 -7.680 4 12 17 充電 7.688 5 8 8 充電 3.849 5 8 18 放電 -7.680 5 32 9 靜置 0 16 19 充電 15.370 0 8 10 放電 -3.849 5 24 20 靜置 0 60UOCV(k)=p1SOC9(k)+…+p9SOC(k)+p10 (11)

【參考文獻】：
期刊論文
[1]電動汽車動力電池動態(tài)測試工況研究[J]. 孫逢春,孟祥峰,林程,王震坡.  北京理工大學學報. 2010(03)
[2]溫度、密度對磁化等離子體光子晶體缺陷模的影響[J]. 章海鋒,肖正泉,楊國華,王勇.  發(fā)光學報. 2010(01)



本文編號：2958152