一种锂离子电池SOH在线检测方法

【摘要】 针对目前锂离子电池健康状态在线检测误差较大的问题，提出了一种综合改进蚁狮优化算法和粒子滤波算法的锂离子电池SOH在线估计方法。建立了锂离子电池SOH估计的状态方程和观测方程，利用动态遗忘因子最小二乘算法实现了模型参数的在线辨识。利用粒子滤波算法实现对模型动态参数准确地进行预测与跟踪，利用改进蚁狮优化算法进行粒子适应度计算并更新目标位置，解决了粒子滤波方法由于粒子退化和样本贫化而导致估计精度低的问题。利用NASA数据集和实测实验对本文方法的SOH检测精度进行了对比实验，结果表明：NASA数据中SOH检测的最大绝对误差为2.04%，平均绝对误差为0.57%，均方根误差为0.74%；实测试验中SOH检测的最大绝对误差为1.55%，平均绝对误差为0.71%，均方根误差为0.87%。更多还原