基于潜变量强跟踪滤波的锂离子电池荷电状态估计

摘要

文章提出一种基于潜变量强跟踪滤波算法的锂电池荷电状态估计方法。该方法将非线性部分的基本函数项设定为潜在变量，并将系统的初始变量和潜在变量相结合，从而将初始的系统模型提升到高维的线性状态模型。该方法通过将非线性部分的基本函数项定义为潜变量，建立潜变量与原始变量之间的线性模型，避免了泰勒展开，同时引入渐消因子来补偿因动态关联模型带来的误差。通过马里兰大学实验室数据在电池动态应力测试和美国联邦城市运行工况下进行仿真实验，验证了新方法在锂电池荷电状态估计的精确度和适用性。实验结果表明，潜变量强跟踪滤波算法相较于扩展卡尔曼滤波算法估计误差更小，精确度更高。

关键词

潜变量 / 荷电状态 / 锂电池 / 卡尔曼滤波

基金资助

国家重点研发计划项目(2023YFB4704000); 国家自然科学基金联合基金项目(U22A2046);国家自然科学基金项目(61933013)