基于EKF-LOCR-UKPF算法的电池SOC估计

doi:10.16725/j.1673-808X.2023218

桂林电子科技大学学报 ›› 2026, Vol. 46 ›› Issue (02) : 177 -185. DOI: 10.16725/j.1673-808X.2023218

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对粒子滤波算法(PF)存在的粒子退化和单一滤波算法电池荷电状态(SOC)估计精度有限等问题，研究了一种基于二阶RC等效电路的宏观时间尺度下扩展卡尔曼(EKF)在线参数辨识和微观时间尺度下改进的粒子滤波算法(LOCRUKPF)状态估计相结合的联合估计(EKF-LOCR-UKPF)算法。通过Simulink搭建EKF-LOCR-UKPF、 LOCR-UKPF、UKPF和PF模型，并在联邦城市时间表(FUDS)和高速公路行车时间表(US06)工况下进行算法的仿真验证。仿真结果表明：考虑时间尺度、重要性密度函数和重采样策略的EKF-LOCR-UKPF算法在FUDS工况下，均方根误差较LOCR-UKPF、UKPF和PF算法分别降低了21.6%、30.7%、47.0%；在US06工况下均方根误差分别降低了36.9%、43.8%、55.4%。EKFLOCR-UKPF算法对电池SOC的估计精度有一定提升，在动力电池SOC预测及电池管理方面具有一定的应用价值和前景。