一种基于数据驱动的锂离子电池荷电状态估计方法

摘要

本发明公开了一种基于数据驱动的锂离子电池荷电状态估计方法，涉及电池管理系统技术领域。本发明利用采集到的电池电压、电流和温度以及计算出的健康状态值和荷电状态值训练基于极限学习机的荷电状态估计模型。然后把基于极限学习机估计的荷电状态值作为卡尔曼滤波的观测值，用卡尔曼滤波对观测值进行滤波处理，滤除测量噪声的干扰，以提高荷电状态的估计精度。该方法属于数据驱动的方法，融合了极限学习机和卡尔曼滤波的优点，不需要建立精确的电化学模型，只需要对电池的历史数据进行学习，就能对荷电状态进行精确估计，具有很强的推广性和适用性。