关键词：新能源汽车;动力电池;荷电状态估计;神经网络;无迹卡尔曼滤波
摘 要：针对温度变化应用场景下新能源汽车动力电池荷电状态(SOC)估计不精确问题，提出了一种基于神经网络和无迹卡尔曼滤波修正的电池SOC估计方法。首先，考虑温度变化影响建立动态参数的Thevenin等效电路模型。分析温度变化条件下的电池开路电压变化特性，确定电池SOC与开路电压之间的对应关系。同时，分析温度变化条件下的电池容量变化特性，采用神经网络训练电池容量随温度变化的神经网络温度因子。进一步，通过带遗忘因子的递推最小二乘法辨识模型动态参数。在此基础上，利用神经网络温度因子和无迹卡尔曼滤波实时修正以实现温度变化条件下的精确SOC估计。实验结果表明：相比于传统的电池SOC估计方法，考虑温度变化的电池SOC估计方法可以显著提高SOC估计精度，在-15℃低温环境下，所提方法使SOC估计精度提高了2.77%。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取