基于sagehusa自适应滤波算法的锂电池荷电状态估计.pdf

第３８卷第３期 南　 京　 工　 业　 大　 学　 学　 报　 （自然 科 学 版） Ｖｏｌ．３８ Ｎｏ．３ ２０１６年５月 ＪＯＵＲＮＡＬ ＯＦ ＮＡＮＪＩＮＧＴＥＣＨ ＵＮＩＶＥＲＳＩＴＹ （Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ） Ｍａｙ ２０１６ － ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１６７１ ７６２７．２０１６．０３．０２１ 基于Ｓａｇｅ Ｈｕｓａ 自适应滤波算法的 锂电池荷电状态估计 程　 晨，顾　 伟，褚建新，高迪驹 （上海海事大学科学研究院，上海 ２０１３０６） 摘　 要：当噪声的统计特性未知时，基于锂电池的戴维宁等效电路模型并使用扩展卡尔曼滤波（ＥＫＦ）方法进行在 线估算锂电池的荷电状态，会导致精确度迅速下降，容易发散。 本文使用Ｓａｇｅ Ｈｕｓａ 自适应滤波算法来代替扩展 卡尔曼滤波算法，并利用Ｍａｔｌａｂ进行建模仿真比较。 仿真结果误差大幅度减小，曲线趋于平滑。 结果表明，在干扰 噪声未知的环境下，基于Ｓａｇｅ Ｈｕｓａ 自适应滤波的荷电状态估计可以提高荷电状态在线估计的精度。 关键词：扩展卡尔曼滤波；Ｓａｇｅ Ｈｕｓａ 自适应滤波；锂电池；荷电状态 － － － 中图分类号：ＴＰ２９　 　 　 　 　 　 文章编号：１６７１ ７６２７（２０１６）０３ ０１２６ ０５ Ｓｔａｔｅ ｏｆ ｃｈａｒｇｅ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｌｉｔｈｉｕｍ ｂａｔｔｅｒｉｅｓ ｂａｓｅｄ ｏｎ Ｓａｇｅ⁃Ｈｕｓａ ａｄａｐｔｉｖｅ ｆｉｌｔｅｒ ａｌｇｏｒｉｔｈｍ ＣＨＥＮＧ Ｃｈｅｎ，ＧＵ Ｗｅｉ，ＣＨＵＪｉａｎｘｉｎ，ＧＡＯ Ｄｉｊｕ （Ｓｃｉｅｎｔｉｆｉｃ Ｒｅｓｅａｒｃｈ Ａｃａｄｅｍｙ，Ｓｈａｎｇｈａｉ Ｍａｒｉｔｉｍｅ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０１３０６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｗｈｅｎ ｔｈｅ ｓｔａｔｉｓｔｉｃａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｎｏｉｓｅ ｉｓｕｎｋｎｏｗｎ，ｔｈｅ ｓｔａｔｅ ｏｆ ｃｈａｒｇｅ ｏｆ ｌｉｔｈｉｕｍｂａｔｔｅｒｉｅｓ ｉｎ ｒｅａｌ ｔｉｍｅ ｃａｎ ｂｅ ｅｓｔｉｍａｔｅｄ ｂｙ ｔｈｅ ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ ｆｉｌｔｅｒ （ＥＫＦ），ｂａｓｅｄ ｏｎ ｅｑｕｉｖａｌｅｎｔ ｃｉｒｃｕｉｔ ｏｆ Ｔｈｅｖｅｎｉｎ ｍｏｄｅｌ，ｔｈｕｓ ｔｈｅ ａｃｃｕｒａｃｙ ｉｓ ｄｅｃｒｅａｓｅｄ ｒａｐｉｄｌｙ ａｎｄ ｄｉｓｐｅｒｓｅｄ ｅａｓｉｌｙ． Ｉｎｓｔｅａｄ ｏｆ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ＥＫＦ，Ｓａｇｅ⁃Ｈｕｓａ ａｄａｐｔｉｖｅ ｆｉｌｔｅｒ ａｌｇｏｒｉｔｈｍ ｗａｓ ｕｓｅｄ ｔｏ ｓｔｕｄｙ ｔｈｅ ｐｒｏｂｌｅｍ，ａｎｄ ｔｈｅ ｄａｔａｆｒｏｍ ｅｘｐｅｒｉｍｅｎｔｓ ｗｅｒｅ ｍｏｄｅｌｅｄ ａｎｄｓｉｍｕｌａｔｅｄｗｉｔｈＭａｔｌａｂｓｏｆｔｗａｒｅ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｅｒｒｏｒｗａｓｇｒｅａｔｌｙ ｒｅｄｕｃｅｄ ａｎｄ ｔｈｅ ｃｕｒｖｅｗａｓｓｍｏｏｔｈ．Ｔｈｅ Ｓａｇｅ⁃Ｈｕａｓａ ａｄａｐｔｉｖｅｆｉｌｔｅｒ ａｌｇｏｒｉｔｈｉｍ ｃｏｕｌｄ ｉｍｐｒｏｖｅｔｈｅｒｅａｌ⁃ｔｉｍｅ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｃｈａｒｇｅ ｓｔａｔｅ． Ｋｅｙ ｗｏｒｄｓ：ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ ｆｉｌｔｅｒ；Ｓａｇｅ⁃Ｈｕｓａ ａｄａｐｔｉｖｅ ｆｉｌｔｅｒ；ｌｉｔｈｉｕｍ ｂａｔｔｅｒｉｅｓ；ｓｔａｔｅ ｏｆ ｃｈａｒｇｅ 　 　 锂电池荷电状态的准确估计对提高电池的使 安时计量法实际上是一种基于电流的开环预 用效率、防止电池的过度充放电以及对提高