采用改进最大相关熵自适应迭代容积卡尔曼滤波算法的锂离子电池荷电状态估计

摘要

针对非高斯噪声干扰下传统滤波算法在估计锂离子电池荷电状态(SOC)时存在不稳定以及精度低的问题，提出一种改进的最大相关熵自适应迭代容积卡尔曼滤波(IMCC-AICKF)算法，用于估计锂离子电池荷电状态。所提算法将加权最小二乘方法与最大相关熵准则(MCC)相结合，定义了一种新的代价权函数作为优化准则，通过优化噪声最小协方差矩阵来减小滤波误差，保证长时间滤波的收敛性和稳定性；再与自适应迭代容积卡尔曼滤波(AICKF)算法相结合，对过程噪声协方差和测量噪声协方差进行更新来提高估计的准确性和鲁棒性。基于两种电池数据，在非高斯噪声干扰下，运用所提算法对电池SOC进行估计，仿真结果表明：与容积卡尔曼滤波(CKF)算法和最大相关熵容积卡尔曼滤波(IMCC-CKF)算法相比，IMCC-AICKF算法对荷电状态估计的最大绝对误差、平均绝对误差和均方根误差都是最小的，且平均绝对误差和均方根误差均小于1%;在给定初始值错误的情况下，IMCC-AICKF算法可以准确收敛到真实值，具有较好的鲁棒性。所提算法在非高斯噪声下能实现更准确的估计，是一种估计精度高且鲁棒性好的SOC估计方法。

关键词

荷电状态估计 / 最大相关熵准则 / 容积卡尔曼滤波 / 非高斯噪声 / 鲁棒性

基金资助

国家重点研发计划资助项目(2021YFB2601304); 陕西省重点研发计划资助项目(2022GY-193); 陕西省教育厅服务地方专项科学研究计划资助项目(23JE021)