[发明专利]一种基于粒子群优化扩展卡尔曼滤波算法的锂电池SOC估算方法在审
| 申请号： | 201810642074.3 | 申请日： | 2018-06-21 |
| 公开（公告）号： | CN108872870A | 公开（公告）日： | 2018-11-23 |
| 发明（设计）人： | 张有兵;惠恩;王国烽;叶森;翁国庆;谢路耀 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G01R31/36 | 分类号： | G01R31/36 |
| 代理公司： | 杭州斯可睿专利事务所有限公司 33241 | 代理人： | 王利强 |
| 地址： | 310014 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于粒子群算法优化扩展卡尔曼滤波器的电池SOC估算方法，包括如下步骤：先对粒子的位置和速度随机初始化，然后对粒子的适应度进行计算，找到最佳粒子的速度和位置并进行更新，并对粒子适应度再次进行计算，判断粒子个体极值和粒子全局极值是否进行了更新。重复执行上述步骤，直到执行完预设的迭代次数或达到了所需要的精度要求，最后得到粒子全局极值。根据扩展卡尔曼滤波器的初始系数值，对采集到的电压、电流进行计算，得到了基于粒子群优化扩展卡尔曼滤波算法的仿真结果。该发明可以有效提高电池SOC的估算精度，具有良好的跟踪性能和抗噪声能力。 | ||
| 搜索关键词： | 粒子 扩展卡尔曼滤波器 扩展卡尔曼滤波 粒子群优化 估算 电池SOC 算法 抗噪声能力 粒子群算法 粒子适应度 随机初始化 仿真结果 跟踪性能 精度要求 粒子个体 重复执行 适应度 锂电池 迭代 更新 预设 全局 采集 优化 | ||
【主权项】：
1.一种基于粒子群优化扩展卡尔曼滤波算法的锂电池SOC估算方法，其特征在于，所述方法包括以下步骤：S1：在锂电池SOC估算过程中，建立锂电池等效电路模型，对扩展卡尔曼的参数和粒子的位置、速度进行初始化；S2：计算各个粒子的适应度值，由粒子适应度值决定粒子最优位置；S3：对粒子群算法的最佳粒子的速度和位置进行更新，并对粒子适应度再次进行计算；S4：确定粒子个体极值和粒子全局极值，依照适应度函数判断优劣，最终找到适应度值最大的粒子，即最优解；S5：判断是否达到目标，是跳转步骤S6，否则跳转步骤S2，执行第S2、S3、S4步，重新计算；S6：最后输出粒子全局最优解，将其赋值于协方差矩阵Q、R，此时已经得出扩展卡尔曼滤波器的初始系数的值，并根据采集到的电池电流、电压，将其代入扩展卡尔曼滤波器进行计算，得到基于粒子群优化扩展卡尔曼滤波算法的锂电池SOC估算结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工业大学，未经浙江工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810642074.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于BP神经网络的锂离子电池劣化分类方法
- 下一篇：一种电池棒压试验装置
