摘要
本发明涉及动力电池SOC和SOH联合估计方法,特别涉及一种基于FOASEKF‑EKF的锂离子动力电池SOC和SOH联合估计方法,包含两个并联分数阶CPE支路的分数阶等效电路模型,提出融合差分进化策略与自适应变异机制的混合遗传算法HGA,通过引入滑模观测器和FOASEKF实现快时间尺度下SOC与端电压的精准估计,在慢时间尺度下基于EKF对模型参数与电池容量进行周期性在线校正,实现高精度、强鲁棒性的电池SOC与SOH联合估计。本发明适用于电动汽车、轨道交通等复杂工业环境,无需设置大量超参数,且不过度依赖数据的质量与数量,具备良好的可解释性、适应性与工程实用性,尤其在频繁启停与非稳态运行工况下,仍可实现SOC与SOH的高精度协同估计,显著降低误判与估计漂移风险。
技术关键词
联合估计方法
锂离子动力电池
二阶等效电路模型
电池荷电状态
分数阶等效电路
观测噪声
混合遗传算法
分数阶微积分
参数
电池健康状态
协方差矩阵
支路
扩展卡尔曼滤波器
方程
双时间尺度
多项式
电压
充放电条件
系统为您推荐了相关专利信息
电池健康状态
门控循环单元
卡尔曼滤波算法
估计方法
数值
自治控制方法
变换器
负荷开关控制器
有功功率
储能电池荷电状态
增程汽车
电池荷电状态
汽车行驶控制方法
动态规划算法
能量控制
联合估计方法
数据驱动模型
多状态
序列
一维卷积神经网络
自主水下航行器
电池荷电状态
估计电池健康状态
卡尔曼滤波器
模糊逻辑推理