-
题名基于PSO-AEKF算法的钠离子电池SOC估计
- 1
-
-
作者
张福建
王晓晗
赵凯
晏娟
邓富金
-
机构
上海第二工业大学智能制造与控制工程学院
平顶山学院软件学院
重庆三峡学院电气工程系
东南大学电气工程学院
-
出处
《现代电子技术》
北大核心
2026年第8期65-70,共6页
-
基金
国家自然科学基金项目(52277173)
中国高校产学研创新基金项目(2021BCF02002)
重庆市自然科学基金联合基金面上项目(CSTB2023NSCQ-LMX0027)。
-
文摘
当前电池荷电状态(SOC)估计研究主要集中于锂离子电池,而对钠离子电池关注不足。针对钠离子电池SOC估计中模型参数时变性与噪声干扰问题,提出一种融合粒子群优化(PSO)算法与自适应扩展卡尔曼滤波(AEKF)算法的协同估计方法。首先,基于二阶RC等效电路模型,通过间歇放电实验标定OCV-SOC关系曲线;再结合HPPC工况,采用PSO算法在线辨识模型参数,实现模型动态特性精准表征。在此基础上,进一步设计AEKF算法,通过实时调整过程与测量噪声协方差矩阵,以提升算法对系统非线性及初始误差的鲁棒性。结果表明:PSO-AEKF算法SOC估计平均误差(MAE)为0.90%,均方根误差(RMSE)为1.28%,较传统EKF算法精度提升显著;同时针对不同初值SOC仿真的收敛时间小于20 s,验证了该方法的收敛稳定性及在复杂工况下的实用价值。
-
关键词
钠离子电池
荷电状态
粒子群优化算法
自适应卡尔曼滤波算法
等效电路
参数辨识
-
Keywords
sodium⁃ion battery
state of charge
particle swarm optimization algorithm
adaptive Kalman filter algorithm
equivalent circuit
parameter identification
-
分类号
TN99-34
[电子电信—信号与信息处理]
TM86-34
[电气工程—高电压与绝缘技术]
-
