基于气液动力学模型的多算法融合SOC估算

基于气液动力学模型,提出了一种多算法融合SOC估算方法,以提高电池在不同动态工况下的SOC估算精度与可靠性。相比传统卡尔曼滤波(Kalman filter,KF)算法,无迹卡尔曼滤波(unscented Kalman filter,UKF)算法通过对称采样与非线性点变换的方法,有着先进性和时变性,该工作将UKF观测器应用于气液动力学电池模型并进行SOC估算,并与神经网络(back propagation neural network,BPNN)相结合对估算结果做出修正,从而进一步提高估算精度。最后在不同工况下对方法进行了验证。结果表明,与原始算法相比,多算法融合SOC估算方法的精度和可靠性得到了提高。