本发明公开了一种卡尔曼滤波与数据驱动融合的电池SOC估计方法,属于电池SOC估计方法技术领域。本发明提出一种噪声方差可变的卡尔曼滤波与最小二乘支持向量机融合的方法(Varied Variance Kalman Filter‑Least Square Support Vector Machine,VVKF‑LSSVM),以KF的两个方程为根据,每次迭代时设置最适应当前系统状态的噪声方差,克服了卡尔曼滤波噪声方差初值依靠人为经验设定造成精度下降的问题。选用最小二乘支持向量机(Least Square Support Vector Machine,LS‑SVM)作为KF的量测方程从数据角度出发,通过简单样本库的构建完成了适应于多种电池的SOC估计方法,并通过动态建模提高了估计精度。分别使用NASA、CACLE
锂电池数据集的部分数据进行实验证明了VVKF较KF的优越性以及整体方法对于锂电池SOC估计的有效性。
声明:
“卡尔曼滤波与数据驱动融合的电池SOC估计方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)