基于自适应UKF的锂离子动力电池状态联合估计
来源期刊：东北大学学报(自然科学版)2020年第11期
论文作者：章军辉 李庆 陈大鹏 赵野
文章页码：1557 - 1563
关键词：荷电状态;健康状态;无迹卡尔曼滤波;自适应滤波;锂离子动力电池;
摘 要：针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波（unscented Kalman filter,UKF）框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换（unscented transform,UT）时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态（state of charge,SOC）以及电池健康状态（state of health,SOH）的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.
章军辉1,2,3，李庆1,2，陈大鹏1,2,3，赵野1
1. 中国科学院微电子研究所2. 江苏物联网研究发展中心
摘 要：针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波（unscented Kalman filter,UKF）框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换（unscented transform,UT）时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态（state of charge,SOC）以及电池健康状态（state of health,SOH）的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.
关键词：荷电状态;健康状态;无迹卡尔曼滤波;自适应滤波;锂离子动力电池;
