基于神经网络与UKF结合的锂离子电池组SOC估算方法_1000027292170411.pdfVIP

2018年1月15日现代电子技术Jan.2018

第41卷第2期ModernElectronicsTechniqueVol.41No.2

120

120

DOI：10.16652/j.issn.1004⁃373x.2018.02.030

基于神经网络与UKF结合的锂离子电池组

SOC估算方法

刘晓悦，杜晓

（华北理工大学电气工程学院，河北唐山063210）

摘要：锂离子电池组作为电动汽车的主要动力能源，对荷电状态的准确估计是电动汽车的关键技术之一。准确的

SOC估计，对锂离子电池组的寿命维持及电动汽车的行车安全，具有十分重要的意义。基于此设计一种基于神经网络与无

迹卡尔曼滤波器（UKF）相结合的SOC估算方法，既克服了UKF需要等效电池组电路模型的缺点，也能显著减小神经网络估

算方法的最大误差。该实验数据来源于高级车辆仿真器（ADVISOR2002）基于实际工况的仿真结果，经实验数据证明，该方

法具有有效性和实用性。

关键词：锂离子电池组；动力能源；无迹卡尔曼滤波器；神经网络；高级车辆仿真器；荷电状态

中图分类号：TN36⁃34文献标识码：A文章编号：1004⁃373X（2018）02⁃0120⁃04

Methodforlithium⁃ionbatterypackSOCestimationbasedoncombination

ofneuralnetworkandUKF

LIUXiaoyue，DUXiao

（Schoolofelectricalengineering，NorthChinaUniversityofScienceandTechnology，Tangshan063210，China）

Abstract：Lithium⁃ionbatterypackisthemainenergysourceofelectricvehicles，andaccurateestimationoflithium⁃ion

batterystateofcharge（SOC）isoneofthekeytechnologiesforelectricvehicles.AccurateestimationofSOChasimportantsig⁃

nificanceforlifemaintainoflithium⁃ionbatterypackandtrafficsafetyofelectricvehicles.Therefore，anSOCestimationmethod

basedoncombinationofneuralnetworkandunscentedKalmanfilter（UKF）isdesigned.Themethodnotonlyovercomesthe

shortagethatUKFneedscircuitmodelofequivalentbatterypack，butalsosignificantlyreducesthemaximumerroroftheneural

networkestimationmethod.TheexperimentaldataisfromthesimulationresultsofadvancedvehiclesimulatorADVISOR2002

basedonactualworkingconditio