基于片段充电数据和DUKF的锂电池健康状态实时评估
作者机构：哈尔滨理工大学理学院
出 版 物：《吉林大学学报(工学版)》 (Journal of Jilin University(Engineering and Technology Edition))
年 卷 期：2024年
核心收录：
基 金：山东省自然科学基金项目(ZR2022LLZ003) 国家自然科学基金项目(12471422)
主 题：电池健康状态 片段数据 双无迹卡尔曼滤波 高斯过程回归 支持向量回归
摘 要：精确实时地评估电池健康状况是电动汽车电池管理系统的核心，本文提出了一种新的电池全充时间估计模型。首先，利用无迹卡尔曼滤波处理非线性问题时的高估计精度，设计了精度进一步提升的双无迹卡尔曼滤波预测—校正框架，能够精确估计锂电池当下的全充时间。在此框架下，利用高斯过程回归和支持向量回归预测结果做线性加权学习了无迹卡尔曼滤波的量测方程。实验结果表明，本文提出的框架具有高精度和实时性，估计180次全充时间的平均相对误差为0.0016。与EKF和DEKF算法相比，平均相对误差分别降低了98.87%和98.15%。
同方期刊数据库