文献类型：期刊文章

作　　者：刘兴涛[1,2] 李坤[1] 武骥[1,2] 何耀[3] 刘新天[3]

Liu Xingtao;Li Kun;Wu Ji;He Yao;Liu Xintian(Department of Vehicle Engineering,Hefei University of Technology,Hefei 230009;Anhui Intelligent Vehicle Engineering Laboratory,Hefei 230009;Automotive Research Institute,Hefei University of Technology,Hefei 230000)

机构地区：[1]合肥工业大学车辆工程系,合肥230009 [2]安徽省智能汽车工程实验室,合肥230009 [3]合肥工业大学汽车工程技术研究院,合肥230000

出　　处：《汽车工程》

基　　金：国家自然科学基金(61903114,61803138);中央高校基本科研业务费专项资金(JZ2019HGBZ0119,PA2018GDQT0019)资助。

年　　份：2020

卷　　号：42

期　　号：11

起止页码：1522-1528

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对单一SOC估计算法无法同时满足多项指标要求的问题,提出一种扩展卡尔曼滤波(EKF)与支持向量机(SVM)相结合的算法。通过动态跟踪模型参数和对开路电压(OCV)的实时估计,由EKF算法得到初步SOC估计值;通过对EKF算法滤波输出的DST工况数据进行训练,得到SVM模型,并利用其回归预测能力对初步估计值进行误差补偿,进一步地降低了估计误差。仿真结果表明,相比EKF算法和EKF-BP算法,所提EKF-SVM算法具有良好鲁棒性和泛化性,可实现电池SOC的准确估计,其最大绝对误差为1%左右。

关 键 词：锂离子电池  荷电状态 扩展卡尔曼滤波 支持向量机  组合算法  

分 类 号：TP3[计算机类]