基于双DQN和扩展卡尔曼滤波的锂离子电池荷电状态估计

摘要

为了提高锂离子电池荷电状态(SOC)的估计精度,设计了一种基于双深度Q网络(双DQN)和扩展卡尔曼滤波(EKF)的锂离子电池SOC估计算法.选择锂离子电池二阶RC等效电路为研究对象,采用EKF算法重构了锂离子电池的离散系统数学模型;结合深度强化学习思想,构造了一种深度强化学习扩展卡尔曼滤波算法.该算法设计了双DQN,并对EKF参数进行优化.仿真结果表明,与DQN扩展卡尔曼滤波算法相比,双DQN扩展卡尔曼滤波算法具有更好的收敛性、自适应能力以及估计精度.