来源：期刊VIP网 时间：
作者：刘晟;王建锋;刘水宙;潘清云;
单位：长安大学汽车学院;
摘要：该文旨在提高电池荷电状态（State of charge, SOC）的监测精度，基于锂离子等效电路模型，采用象群优化算法改进卡尔曼滤波（Kalman filter, KF）进行模型参数的辨识；使用海鸥算法（Seagull optimization algorithm, SOA）降低噪声初值对扩展卡尔曼滤波（Extended Kalman filter, EKF）算法的影响，并以越界处理的策略避免种群多样性降低的问题；以改进海鸥算法（Modified seagull optimization algorithm, MSOA）优化EKF来改善车载电池SOC估计方法，将DST和FUDS动态测试工况电流数据进行算法验证。结果表明，改进后的SOC估计算法的误差低于0.97%，且平均绝对误差（Mean absolute error, MAE）和均方根误差（Root mean squared error, RMSE）均低于EKF算法的估计误差，因此MSOA优化EKF算法具有更好的估计精度和稳定性。
关键词：锂电池;;参数辨识;;智能优化算法;;荷电状态;;扩展卡尔曼滤波
基金资助：中央高校基金项目（300102223203）;; 陕西省重点研发计划（2021LLRH-04-02-02,2022ZDLGY-03-09）;; 陕西省厅市联动重点项目（2022GD-TSLD-22）
