基于神经网络优化EKF的锂离子动力电池SOC估计方法

摘要

本发明提出了一种基于神经网络优化EKF的锂离子动力电池SOC估计方法，一方面，针对锂离子电池非线性电压特性，建立戴维宁等效电路模型，在不同SOC点和充放电方向的实验基础上确定模型参数，基于锂离子电池模型得出状态方程和观测方程，设计了扩展卡尔曼滤波估算SOC算法的计算流程；另一方面，基于BP神经网络建立了误差预测模型，并藉此在滤波过程中对测量噪声协方差实时修正，从而克服了由于较大模型误差和将系统噪声假设为高斯白噪声而引入的状态估计误差。本发明通过基于各种建模误差补偿EKF的SOC估计结果对比，证明了BP神经网络结合EKF算法的优越性，最大估计误差在0.25％以内，具有较高的工程应用价值。