一种基于改进的最大相关熵自适应迭代容积卡尔曼滤波算法的电池SOC的估计方法

一种基于改进的最大相关熵自适应迭代容积卡尔曼滤波算法的电池SOC的估计方法，针对在非高斯噪声干扰下使用最小均方误差准则(MMSE)估计锂离子电池荷电状态(SOC)不稳定以及传统滤波算法估计精度不高等问题，将加权最小二乘方法与最大相关熵(MCC)准则相结合定义了一种新的代价权函数作为优化准则，利用噪声最小协方差估计特性来减小滤波误差，保证长时间滤波的收敛性和稳定性；之后再与自适应迭代容积卡尔曼滤波(AICKF)相结合，对过程和量测噪声协方差进行更新来提高估计的准确性和鲁棒性；本发明基于两种电池数据，在非高斯噪声干扰下，运用提出的算法对电池SOC进行估计，仿真结果表明，与容积卡尔曼滤波(CKF)和改进的最大相关熵容积卡尔曼滤波(IMCC‑CKF)相比，本发明对SOC估计的最大绝对误差(AEmax)、平均绝对误差(MAE)和均方根误差(RMSE)都是最小的，且平均绝对误差(MAE)和均方根误差(RMSE)均小于1％，是一种估计精度高且鲁棒性好的SOC估计方法。