j9九游會登錄入口首頁在電動汽車領(lǐng)域，電池的荷電狀態(tài)（State of Charge, SOC）是一個至關(guān)重要的參數(shù)，直接影響著電動汽車的續(xù)航里程和性能表現(xiàn)。因此，準(zhǔn)確地估計電池的SOC對于實現(xiàn)電動汽車的高效運行至關(guān)重要。提高參數(shù)辨識和SOC算法的精度是提高SOC估計的關(guān)鍵，桂林電子科技大學(xué)智能化電器與電力電子研究團隊通過優(yōu)化模型參數(shù)識別和SOC估計方法，提出了基于聯(lián)合參數(shù)辨識的粒子群優(yōu)化擴展粒子濾波的荷電狀態(tài)估計方法，并驗證了算法的有效性和適應(yīng)性。

　　隨著燃油車對環(huán)境污染的加劇，電動汽車因其低噪聲、低排放、能源效率高等特點越來越成為道路的主要交通工具之一。目前，電動汽車的儲能裝置還是以鋰離子電池為主，研究鋰電池的荷電狀態(tài)可以提高車輛續(xù)航里程，從而推動電動汽車的普及和可持續(xù)發(fā)展。

　　電池參數(shù)辨識和SOC估計是電池管理系統(tǒng)中至關(guān)重要的兩個方面。電池參數(shù)辨識旨在準(zhǔn)確識別電池等效電路模型中的參數(shù)，從而為SOC估計提供更可靠的基礎(chǔ)。粒子濾波算法在SOC領(lǐng)域被廣泛應(yīng)用，能夠有效處理非線性系統(tǒng)和非高斯噪聲。

　　鋰電池具有較強的非線性特性，模型參數(shù)會隨著SOC的變化而變化，特別是在低SOC區(qū)域參數(shù)變化較大，會導(dǎo)致SOC算法出現(xiàn)較大的估計偏差；同時，采用粒子濾波算法進(jìn)行SOC估計時，存在的粒子退化會影響SOC的估計精度。提高參數(shù)辨識和SOC的估計精度，有助于改進(jìn)電池管理系統(tǒng)的設(shè)計和控制策略，提高電池的性能和循環(huán)壽命j9九游會登錄入口首頁，因此，研究參數(shù)辨識和SOC估計方法具有重要的理論和應(yīng)用意義。

　　本文設(shè)計了以FFRLS和PSO聯(lián)合參數(shù)辨識為基礎(chǔ)的改進(jìn)粒子濾波的SOC評估算法。首先建立了二階等效電路模型，聯(lián)合FFRLS和PSO進(jìn)行模型參數(shù)的辨識，然后以辨識的參數(shù)為基礎(chǔ)，通過EKF對粒子進(jìn)行更新并將最后得到的近似后驗概率作為PF的重要密度函數(shù)，去克服粒子退化，同時引入粒子群算法優(yōu)化重采樣策略來緩解粒子貧化。流程圖如圖1所示j9九游會登錄入口首頁。

　　建立電池等效電路模型j9九游會登錄入口首頁，并通過HPPC實驗獲取OCV-SOC擬合曲線，采用FFRLS對模型進(jìn)行參數(shù)辨識，F(xiàn)FRLS在參數(shù)辨識的同時記錄歷史電壓為粒子群在后期進(jìn)行參數(shù)辨識積攢了訓(xùn)練所需的數(shù)據(jù)，當(dāng)采用粒子群進(jìn)行參數(shù)辨識時，以最小壓差建立適應(yīng)度函來求取模型參數(shù)。聯(lián)合參數(shù)辨識結(jié)果如下圖2所示。

　　擴展粒子濾波在狀態(tài)預(yù)測階段采用EKF來更新采樣粒子，使得這些采樣粒子能更好的接近真實的分布。將EPF算法的輸出作為粒子群算法的輸入，通過計算粒子的適應(yīng)度值，根據(jù)適應(yīng)度值，更新粒子個體和全局最優(yōu)值，最終通過移動粒子向最優(yōu)粒子靠近，獲得最優(yōu)估計值。下圖是兩種工況的算法驗證。

　　圖3 FUDS 25℃工況下不同算法預(yù)測曲線℃工況下不同算法預(yù)測誤差曲線℃工況下不同算法預(yù)測曲線℃工況下不同算法預(yù)測誤差曲線

　　以上兩種工況的結(jié)果顯示，基于FFRLS參數(shù)辨識的PSO-PF比PF精度有所提升，而基于聯(lián)合參數(shù)辨識的PSO-PF比基于FFRLS的PSO-PF準(zhǔn)確度有提升，采用聯(lián)合參數(shù)辨識方法的PSO-EPF比PSO-PF效果更優(yōu)，驗證了所提方法的有效性。

　　本文提出了一種基于聯(lián)合參數(shù)辨識的粒子群優(yōu)化擴展粒子濾波SOC估計方法。所提聯(lián)合參數(shù)辨識方法發(fā)揮了兩種參數(shù)辨識方法的優(yōu)勢，相較于為了提高精度，把A工況的離線辨識的結(jié)果用到B工況進(jìn)行在線估計的方法，聯(lián)合參數(shù)辨識方法只需在一種工況即可進(jìn)行。所提PSO-EPF利用EKF生成PF的重要性密度函數(shù)來克服粒子退化，同時采用PSO算法緩解粒子貧化，結(jié)果顯示該方法具有較高的估計精度，展現(xiàn)出了較強的魯棒性和泛化能力。

　　研究人員隸屬于智能化電器與電力電子研究所。團隊負(fù)責(zé)人為范興明教授，團隊深耕智能電器與電工新技術(shù)、智能電網(wǎng)、新能源發(fā)電與應(yīng)用、電力電子與電氣控制等領(lǐng)域的理論及應(yīng)用技術(shù)研究。團隊依托和融合學(xué)校在機械、控制、電子等方面的學(xué)科優(yōu)勢，在高壓智能電器和電力系統(tǒng)自動化領(lǐng)域具有較大影響力。團隊立足服務(wù)地方，與區(qū)域經(jīng)濟發(fā)展相結(jié)合j9九游會登錄入口首頁，推動智能化電器裝備和電力系統(tǒng)技術(shù)和產(chǎn)業(yè)發(fā)展。

　　主要從事高壓電器在線監(jiān)測與故障診斷，新能源汽車電池系統(tǒng)參數(shù)評估與預(yù)測j9九游會登錄入口首頁、能量管理、汽車電氣絕緣與安全防護(hù)，無線電能傳輸及應(yīng)用等方向的研究。

　　團隊主持和參與主研國家自然科學(xué)基金項目各2項、主持廣西科技開發(fā)重點項目、廣西干億元產(chǎn)業(yè)科技攻關(guān)項目、廣西教育廳、重點實驗室項目7項，發(fā)表學(xué)術(shù)論文80余篇，其中SC1、EI收錄32篇，授權(quán)發(fā)明專利12件、實用新型專利35件，軟件著作權(quán)登記10項。

　　教授，博士生導(dǎo)師，研究方向為智能化電器與高電壓新技術(shù)、新能源汽車電池系統(tǒng)參數(shù)預(yù)測與評估等。贠祥