Suzhou Electric Appliance Research Institute
期刊號： CN32-1800/TM| ISSN1007-3175

Article retrieval

文章檢索

首頁 >> 文章檢索 >> 文章瀏覽排名

基于FA-EKF的鋰電池參數(shù)辨識與SOC 估計

來源：電工電氣發(fā)布時間：2025-01-08 09:08 瀏覽次數(shù)：3

基于FA-EKF的鋰電池參數(shù)辨識與SOC 估計

李曉晨1，2，楊帆1，3，納春寧1
(1 寧夏大學 電子與電氣工程學院，寧夏 銀川 750021；
　　2 國網(wǎng)寧夏電力有限公司中衛(wèi)供電公司，寧夏 中衛(wèi) 755099；
　　3 中國鐵塔股份有限公司吳忠市分公司，寧夏 吳忠 751100)
 
    摘 要：隨著新能源汽車的廣泛使用，鋰電池的荷電狀態(tài)(SOC)成為電池管理系統(tǒng)的研究熱點。針對擴展卡爾曼濾波(EKF)的鋰電池的荷電狀態(tài)估計中傳統(tǒng)參數(shù)辨識法易受初始條件影響，而陷入局部最優(yōu)的問題，提出了適用于非線性系統(tǒng)的螢火蟲算法(FA)參數(shù)辨識，并與遺傳算法(GA)的參數(shù)辨識結果比較，結合擴展卡爾曼濾波法，實現(xiàn)兩種參數(shù)辨識結果的荷電狀態(tài)估計。采用 MATLAB/Simulink 軟件搭建 EKF 模型，仿真結果表明，相對于 GA-EKF，所提出的 FA-EKF 參數(shù)辨識與 SOC 估計精度更高。
    關鍵詞： 鋰電池；新能源汽車；參數(shù)辨識；荷電狀態(tài)估計；擴展卡爾曼濾波；螢火蟲算法；遺傳算法
    中圖分類號：TM761 ；TM912     文獻標識碼：A     文章編號：1007-3175(2024)12-0009-06
 
Parameter Identification and SOC Estimation of Lithium
Battery Based on FA-EKF
 
LI Xiao-chen1,2, YANG Fan1,3, NA Chun-ning1
（1 School of Electronic and Electrical Engineering, Ningxia University, Yinchuan 750021, China;
2 State Grid Ningxia Electric Power Co., Ltd. Zhongwei Power Supply Company, Zhongwei 755099, China;
3 China Tower Co., Ltd. Wuzhong Branch, Wuzhong 751100, China）
 
    Abstract: With the widespread use of new energy vehicles, the state of charge (SOC) of lithium batteries has become a research hotspot in battery management systems. In response to the issue that the traditional parameter identification method in the extended Kalman filter (EKF) estimation of lithium battery SOC is susceptible to the influence of initial conditions and can fall into local optima, a firefly algorithm (FA) parameter identification method suitable for nonlinear systems is proposed. The results are compared with those of the genetic algorithm (GA) parameter identification, and combined with the extended Kalman filter method, to achieve SOC estimation for both parameter identification results. The EKF model is built using MATLAB/Simulink software, and simulation results show that the proposed FA-EKF parameter identification and SOC estimation have higher accuracy compared to GA-EKF.
    Key words: lithium battery; new energy vehicle; parameter identification; state of charge estimation; extended Kalman filter; firefly algorithm;genetic algorithm
 
參考文獻
[1] 崔曉丹，吳家龍，鄧馗，等. 基于改進 EKF 算法的鋰離子電池 SOC 在線估計[J] . 電器與能效管理技術，2024(6) ：49-58.
[2] 董磊，賴紀東，蘇建徽，等. 基于 IMAFFRLS-EKF 的鋰電池在線參數(shù)辨識和 SOC 估計方法[J] . 太陽能學報，2024，45(6) ：66-74.
[3] 孫冠宇，沈金榮. 基于 LSTM-AEKF 聯(lián)合算法的鋰電池 SOC 估計研究[J] . 自動化與儀器儀表，2024(6) ：231-235.
[4] 陳亮，盧玉斌，林正廉. 基于改進 AFFRLS-AUKF 的鋰電池 SOC 估計[J] . 電源技術，2024，48(6) ：1109-1115.
[5] 張傳明，萬佑紅，肖楊. 基于內環(huán)修正 CDKF 算法的鋰電池 SOC 估計[J]. 電源技術，2024，48(6) ：1116-1122.
[6] 沈浩然，劉振興，邵麗源，等. 基于改進無跡卡爾曼濾波的鋰電池荷電狀態(tài)估計[J] . 控制工程，2023，30(12) ：2217-2225.
[7] 于仲安，張軍令，陳可怡. 基于 GA-ELM 的鋰電池 SOC 估計及主動均衡[J] . 電氣工程學報，2024，19(1) ：326-333.
[8] 安治國，周志鴻，伍柏霖. 分數(shù)階擴展卡爾曼濾波算法的鋰電池 SOC 估算[J]. 重慶理工大學學報(自然科學)，2023，37(9) ：23-30.
[9] 李洋，石振剛. 基于 PSO-BP-UKF 算法的鋰電池 SOC 估計方法研究[J]. 電器與能效管理技術，2024(6) ：42-48.
[10] 贠祥，張鑫，王超，等. 基于聯(lián)合參數(shù)辨識的粒子群優(yōu)化擴展粒子濾波的鋰電池荷電狀態(tài)估計[J]. 電工技術學報，2024，39(2) ：595-606.
[11] 陳夢宇，張杰. 基于 PSO-SG-BiGRU 模型估算鋰電池 SOC [J]. 武漢理工大學學報，2023，45(7) ：117-123.
[12] BALDI S, ZHANG Zichen, LIU Di.Eligibility traces and forgetting factor in recursive least-squares-based temporal difference[J].International Journal of Adaptive Control and Signal Processing，2022，36(2) ：334-353.
[13] 吳華偉，張遠進，葉從進. 基于螢火蟲神經(jīng)網(wǎng)絡的動力電池 SOC 估算[J]. 儲能科學與技術，2019，8(3) ：575-579.
[14] 張遠進，吳華偉，葉從進. 基于 IFA-EKF 的鋰電池 SOC 估算[J]. 儲能科學與技術，2020，9(1) ：117-123.