来源：期刊VIP网 时间：
作者：巫春玲;赵玉冰;耿莉敏;徐先峰;王溢波;陈昊;
单位：长安大学能源与电气工程学院;长安大学陕西省交通新能源开发,应用与汽车节能重点实验室;
摘要：为了解决非高斯噪声环境下荷电状态(SOC)估计不准确以及鲁棒性差等问题，提出一种基于广义混合最大相关熵准则的扩展卡尔曼滤波(GMMCC-EKF)算法。该算法利用两个广义高斯函数构成的核函数得到广义混合熵，继承了广义高斯核的灵活性，并通过统计线性化技术将状态误差和测量误差统一纳入代价函数，进而通过固定点迭代法获得非线性方程的最优估计，然后将广义混合最大相关熵准则与扩展卡尔曼滤波相结合，增强在非高斯噪声环境下的稳定性，提高对复杂数据处理的准确性。为了验证算法有效性，分别选用两种不同类型的锂离子电池，在动态应力测试(DST)工况及多种环境温度(10、25和40℃)的新欧洲驾驶循环(NEDC)工况下对电池进行SOC估计。实验结果表明，在25℃且均匀混合噪声环境下，对于1号电池，GMMCC-EKF算法的估计精度相对于扩展卡尔曼滤波算法(EKF)和传统最大相关熵扩展卡尔曼滤波算法(MCC-EKF)分别提高了90.1%和83.9%;对于2号电池，估计精度分别提高了72.4%和47.4%,并且在10、40℃环境下该算法仍展现出最优性能。对1号、2号电池在25℃且拉普拉斯混合噪声环境下进行SOC估计，GMMCC-EKF算法相对于其他两种算法的估计精度也有显著提高。在给定初始值错误的情况下，GMMCC-EKF算法能够快速地收敛到真实值。所提算法具有较高的估计精度、良好的适应性和鲁棒性，可为非高斯噪声环境下的SOC估计提供有效解决方案。
关键词：荷电状态估计;;广义混合最大相关熵准则;;扩展卡尔曼滤波;;非高斯噪声
基金资助：国家重点研发计划资助项目(2021YFB2601304);; 陕西省重点研发计划资助项目(2022GY-193);; 陕西省创新能力支撑计划资助项目(2022KXJ-144)
