基于改进粒子滤波的锂电池SOH预测

摘要

随着锂离子电池在电动汽车和微电网越来越广泛地使用,人们在保证电池管理系统(BMS)安全可靠运行和降低维护成本方面做了许多研究,电池健康状态(SOH)估计作为锂离子电池管理系统的关键功能之一,准确估计电池当前健康状态对电池管理系统有重要意义.为了提高估计准确性,首先在分析传统布谷鸟搜索优化算法的基础上,提出了一种动态布谷鸟搜索算法,该算法通过改进步长和发现概率,并将函数值变化趋势引入到步长更新方程,平衡了搜索速度和精度之间的关系.为解决传统粒子滤波自身存在的粒子退化问题,通过将粒子用布谷鸟鸟窝表示,对布谷鸟群体搜索的模拟来指导更新粒子的分布,利用改进的动态布谷鸟搜索来优化粒子滤波算法.然后从锂离子电池工作时的可测参数中提取健康指标HI,建立了HI指标与SOH之间的映射模型,并将其应用于状态空间模型的观测,提出了一种基于改进粒子滤波算法的电池SOH估计方法.实验结果表明,该方法优于传统粒子滤波算法(PF),对锂离子电池退化过程预测具有良好的适应性和精确性.