改进的EKF算法实现对锂电池SOC预估

扩展卡尔曼滤波法是在卡尔曼滤波法基础上衍生出来的一种算法，相比于卡尔曼滤波法对系统的高度线性化要求，扩展卡尔曼滤波法可在非线性系统中得到应用，由于电池在工作过程中表现出较强的非线性，其属于非线性系统，为获取较高的辨识准确度，采用扩展卡尔曼滤波法对其进行在线辨识。EKF算法在卡尔曼算法的基础上运用泰勒式求取雅克比矩阵进行线性化处理,能够更加精确地实现SOC的估算。具有算法复杂度适中，初值误差较大下自动跟随修正等特点。在扩展卡尔曼滤波方程中，过程噪声以及过程噪声方差阵是一组固定的值，在实际应用模型中不可能精确得到，而且噪声不可测量，过程噪声也在随着环境的变化而不断变化，过程噪声方差阵的固定明显不合理，需要一种算法使其方阵根据情况自动调整。

本发明提出一种新的改进的算法，使用差分进化算法对原来扩展卡尔曼算法中固定的过程噪声方差进行优化，使噪声方差根据环境的变化而自动做出调整，使用这个不断变化的最优方差代入到原算法中，完成循环工况下SOC的在线预估。此算法减小了状态估计偏差，获得更高精度。

如果觉得《改进的EKF算法实现对锂电池SOC预估》对你有帮助，请点赞、收藏，并留下你的观点哦！