重庆理工大学学报2021，Vol.35Issue(12) ：18-27.DOI:10.3969/j.issn.1674-8425(z).2021.12.003

IPSO-EKF融合算法的SOC估算研究

Research on SOC prediction Based on Fusion Algorithm of IPSO-EKF

叶丽华 王海钰 施烨璠 薛定邦 李杰 施爱平
重庆理工大学学报2021，Vol.35Issue(12) ：18-27.DOI:10.3969/j.issn.1674-8425(z).2021.12.003
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

IPSO-EKF融合算法的SOC估算研究

Research on SOC prediction Based on Fusion Algorithm of IPSO-EKF

叶丽华 1王海钰 1施烨璠 2薛定邦 1李杰 1施爱平3
扫码查看

作者信息

  • 1. 江苏大学汽车与交通工程学院,江苏镇江 212013
  • 2. 纽约州立大学电子与计算机工程学院,纽约 13903
  • 3. 江苏大学农业工程学院,江苏镇江 212013
  • 折叠

摘要

利用扩展卡尔曼滤波算法对磷酸铁锂电池进行SOC估算时,系统噪声和观测噪声的噪声协方差矩阵多为随机给出,无法对噪声问题进行针对性的优化.基于上述问题,提出了一种基于IPSO-EKF的融合算法,在动态工况下优化噪声协方差矩阵,提高SOC估算精度.试验和仿真结果表明:相对于EKF算法,所提出的IPSO-EKF算法在准确性和适应范围上有更好的表现;收敛速度较快,在5次左右的迭代过程中迅速收敛到全局最优位置,并且在随后的迭代过程中,最佳适应度值趋向于稳定;通过RMSE和MAPE值评价算法的可靠性,在DST、UDDS及NEDC工况下,RMSE值分别为0.2244、0.1980和0.3684,MAPE值分别为0.6050、0.6680和0.7067.此外,还提供了通过噪声寻优提高SOC估算精度的思路.

关键词

磷酸铁锂电池/SOC估算/IPSO-EKF/噪声协方差矩阵

引用本文复制引用

基金项目

国家重点研发计划(2016YFD0701002)

内燃机燃烧学国家重点实验室开放基金(GKF2015-004)

江苏高校品牌专业建设工程项目()

出版年

2021
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量3
参考文献量3
段落导航相关论文