来源：期刊VIP网 时间：
作者：谈发明;赵俊杰;
单位：江苏理工学院;
摘要：为解决无迹卡尔曼滤波（UKF）算法对锂电池荷电状态（SOC）估计精度不高的问题，结合极限学习机（ELM）与UKF间的互补优势，提出了一种带状态检测机制的ELM-UKF组合算法估计锂电池SOC。首先，算法利用UKF估计电池SOC的相关滤波数据作为样本集训练ELM模型，将训练成功的ELM模型用于在线补偿UKF的SOC估计误差，进而实现估计偏差的实时修正；其次，算法针对ELM模型预测输出设计了状态检测机制，以此减小ELM模型预测输出过拟合对SOC估计波形平滑度的影响。试验结果表明，相较于单一类型的算法，所提出的组合算法具有良好的鲁棒性和泛化性，能有效提升锂电池SOC的估计效果。
基金资助：国家自然科学基金青年科学基金项目（61803186）;; 江苏省工程师学会重点研究课题（JSIE2024ZD06）
