基于改进粒子滤波的锂电池SOH预测
发布时间：2021-04-13 21:12
随着锂离子电池在电动汽车和微电网越来越广泛地使用,人们在保证电池管理系统（BMS）安全可靠运行和降低维护成本方面做了许多研究,电池健康状态（SOH）估计作为锂离子电池管理系统的关键功能之一,准确估计电池当前健康状态对电池管理系统有重要意义。为了提高估计准确性,首先在分析传统布谷鸟搜索优化算法的基础上,提出了一种动态布谷鸟搜索算法,该算法通过改进步长和发现概率,并将函数值变化趋势引入到步长更新方程,平衡了搜索速度和精度之间的关系。为解决传统粒子滤波自身存在的粒子退化问题,通过将粒子用布谷鸟鸟窝表示,对布谷鸟群体搜索的模拟来指导更新粒子的分布,利用改进的动态布谷鸟搜索来优化粒子滤波算法。然后从锂离子电池工作时的可测参数中提取健康指标HI,建立了HI指标与SOH之间的映射模型,并将其应用于状态空间模型的观测,提出了一种基于改进粒子滤波算法的电池SOH估计方法。实验结果表明,该方法优于传统粒子滤波算法（PF）,对锂离子电池退化过程预测具有良好的适应性和精确性。
【文章来源】：储能科学与技术. 2020,9(06)CSCD
【文章页数】：7 页
【部分图文】：
NASA数据集Fig.1NASAbatterydataset
储能科学与技术2020年第9卷移方程可以表示为Xk=[ak；bk；ck；dk](16)ìíak=ak-1+υa，k-1υa~N(0，σa)bk=bk-1+υb，k-1υb~N(0，σb)ck=ck-1+υc，k-1υc~N(0，σc)dk=dk-1+υd，k-1υd~N(0，σd)(17)式中，N(0,σ)为均值和标准差为零的高斯噪声。在考虑到电池退化模型和HI与SOH之间的关系，测量方程可以表示成{SOHk=ak×exp(b)k×k+ck×exp(dk×k)HIk=g(SOH)k+μkμk~N(0，σμ)(18)式中，g()为在线HI和电池SOH之间的转换关系。则每个粒子对SOH估计可表示为SOHik=aik×exp(bik×k)+cik×exp(dik×k)(19)则估算的SOH为SOHk=∑i=1Nwik×SOHik(20)2.3实验设计先对NASA数据集中18#电池构建HI指标，并对构建的HI与SOH进行相关性分析。然后对测量方程建立HI指标与SOH之间的映射函数，并且对状态转移方程建立退化模型。最后利用改进算法对SOH估计的状态参数进行优化。如图3所示，从电池开始放电到电压降为3V的时间所构建的HI和真实SOH之间的关系可知HI与SOH有很大的相关性，说明SOH可以通过构建的HI来表示。由式(14)和SOH获得的相关映射HI如图4所示。利用最小二乘法计算系数β0、β1、β2，最大误差为0.0689，表明利用映射关系可以建立系统状态空间方程。2.4评价指标为了分析改进算法的估计性能的优越性，?
储能科学与技术2020年第9卷移方程可以表示为Xk=[ak；bk；ck；dk](16)ìíak=ak-1+υa，k-1υa~N(0，σa)bk=bk-1+υb，k-1υb~N(0，σb)ck=ck-1+υc，k-1υc~N(0，σc)dk=dk-1+υd，k-1υd~N(0，σd)(17)式中，N(0,σ)为均值和标准差为零的高斯噪声。在考虑到电池退化模型和HI与SOH之间的关系，测量方程可以表示成{SOHk=ak×exp(b)k×k+ck×exp(dk×k)HIk=g(SOH)k+μkμk~N(0，σμ)(18)式中，g()为在线HI和电池SOH之间的转换关系。则每个粒子对SOH估计可表示为SOHik=aik×exp(bik×k)+cik×exp(dik×k)(19)则估算的SOH为SOHk=∑i=1Nwik×SOHik(20)2.3实验设计先对NASA数据集中18#电池构建HI指标，并对构建的HI与SOH进行相关性分析。然后对测量方程建立HI指标与SOH之间的映射函数，并且对状态转移方程建立退化模型。最后利用改进算法对SOH估计的状态参数进行优化。如图3所示，从电池开始放电到电压降为3V的时间所构建的HI和真实SOH之间的关系可知HI与SOH有很大的相关性，说明SOH可以通过构建的HI来表示。由式(14)和SOH获得的相关映射HI如图4所示。利用最小二乘法计算系数β0、β1、β2，最大误差为0.0689，表明利用映射关系可以建立系统状态空间方程。2.4评价指标为了分析改进算法的估计性能的优越性，?
【参考文献】：
期刊论文
[1]锂离子电池负极材料的制备及应用进展[J]. 严旭明,冯光炷,黄雪. 化工新型材料. 2019(07)
[2]基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法[J]. 陈志敏,吴盘龙,薄煜明,田梦楚,岳聪,顾福飞. 电子学报. 2018(04)
[3]萤火虫算法智能优化粒子滤波[J]. 田梦楚,薄煜明,陈志敏,吴盘龙,赵高鹏. 自动化学报. 2016(01)
[4]融合优质粒子分布的粒子群优化算法[J]. 朱蓉,靳雁霞,范卫华. 小型微型计算机系统. 2015(03)
[5]改进的粒子滤波重采样算法[J]. 李娟,刘晓龙,卢长刚,左英泽. 吉林大学学报(工学版). 2015(06)
[6]基于拟蒙特卡洛滤波的改进式粒子滤波目标跟踪算法[J]. 任航. 电子测量与仪器学报. 2015(02)
[7]基于改进布谷鸟算法的梯级水库优化调度研究[J]. 明波,黄强,王义民,刘登峰,白涛. 水利学报. 2015(03)
[8]粒子滤波算法[J]. 王法胜,鲁明羽,赵清杰,袁泽剑. 计算机学报. 2014(08)
本文编号：3136013
【文章来源】：储能科学与技术. 2020,9(06)CSCD
【文章页数】：7 页
【部分图文】：
NASA数据集Fig.1NASAbatterydataset
储能科学与技术2020年第9卷移方程可以表示为Xk=[ak；bk；ck；dk](16)ìíak=ak-1+υa，k-1υa~N(0，σa)bk=bk-1+υb，k-1υb~N(0，σb)ck=ck-1+υc，k-1υc~N(0，σc)dk=dk-1+υd，k-1υd~N(0，σd)(17)式中，N(0,σ)为均值和标准差为零的高斯噪声。在考虑到电池退化模型和HI与SOH之间的关系，测量方程可以表示成{SOHk=ak×exp(b)k×k+ck×exp(dk×k)HIk=g(SOH)k+μkμk~N(0，σμ)(18)式中，g()为在线HI和电池SOH之间的转换关系。则每个粒子对SOH估计可表示为SOHik=aik×exp(bik×k)+cik×exp(dik×k)(19)则估算的SOH为SOHk=∑i=1Nwik×SOHik(20)2.3实验设计先对NASA数据集中18#电池构建HI指标，并对构建的HI与SOH进行相关性分析。然后对测量方程建立HI指标与SOH之间的映射函数，并且对状态转移方程建立退化模型。最后利用改进算法对SOH估计的状态参数进行优化。如图3所示，从电池开始放电到电压降为3V的时间所构建的HI和真实SOH之间的关系可知HI与SOH有很大的相关性，说明SOH可以通过构建的HI来表示。由式(14)和SOH获得的相关映射HI如图4所示。利用最小二乘法计算系数β0、β1、β2，最大误差为0.0689，表明利用映射关系可以建立系统状态空间方程。2.4评价指标为了分析改进算法的估计性能的优越性，?
储能科学与技术2020年第9卷移方程可以表示为Xk=[ak；bk；ck；dk](16)ìíak=ak-1+υa，k-1υa~N(0，σa)bk=bk-1+υb，k-1υb~N(0，σb)ck=ck-1+υc，k-1υc~N(0，σc)dk=dk-1+υd，k-1υd~N(0，σd)(17)式中，N(0,σ)为均值和标准差为零的高斯噪声。在考虑到电池退化模型和HI与SOH之间的关系，测量方程可以表示成{SOHk=ak×exp(b)k×k+ck×exp(dk×k)HIk=g(SOH)k+μkμk~N(0，σμ)(18)式中，g()为在线HI和电池SOH之间的转换关系。则每个粒子对SOH估计可表示为SOHik=aik×exp(bik×k)+cik×exp(dik×k)(19)则估算的SOH为SOHk=∑i=1Nwik×SOHik(20)2.3实验设计先对NASA数据集中18#电池构建HI指标，并对构建的HI与SOH进行相关性分析。然后对测量方程建立HI指标与SOH之间的映射函数，并且对状态转移方程建立退化模型。最后利用改进算法对SOH估计的状态参数进行优化。如图3所示，从电池开始放电到电压降为3V的时间所构建的HI和真实SOH之间的关系可知HI与SOH有很大的相关性，说明SOH可以通过构建的HI来表示。由式(14)和SOH获得的相关映射HI如图4所示。利用最小二乘法计算系数β0、β1、β2，最大误差为0.0689，表明利用映射关系可以建立系统状态空间方程。2.4评价指标为了分析改进算法的估计性能的优越性，?
【参考文献】：
期刊论文
[1]锂离子电池负极材料的制备及应用进展[J]. 严旭明,冯光炷,黄雪. 化工新型材料. 2019(07)
[2]基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法[J]. 陈志敏,吴盘龙,薄煜明,田梦楚,岳聪,顾福飞. 电子学报. 2018(04)
[3]萤火虫算法智能优化粒子滤波[J]. 田梦楚,薄煜明,陈志敏,吴盘龙,赵高鹏. 自动化学报. 2016(01)
[4]融合优质粒子分布的粒子群优化算法[J]. 朱蓉,靳雁霞,范卫华. 小型微型计算机系统. 2015(03)
[5]改进的粒子滤波重采样算法[J]. 李娟,刘晓龙,卢长刚,左英泽. 吉林大学学报(工学版). 2015(06)
[6]基于拟蒙特卡洛滤波的改进式粒子滤波目标跟踪算法[J]. 任航. 电子测量与仪器学报. 2015(02)
[7]基于改进布谷鸟算法的梯级水库优化调度研究[J]. 明波,黄强,王义民,刘登峰,白涛. 水利学报. 2015(03)
[8]粒子滤波算法[J]. 王法胜,鲁明羽,赵清杰,袁泽剑. 计算机学报. 2014(08)
本文编号：3136013
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3136013.html
