基于扩展单粒子模型的锂离子电池荷电状态在线估计方法

摘要

本发明公开了一种基于扩展单粒子模型的锂离子电池荷电状态在线估计方法，该方法包括以下步骤：1)建立锂离子电池单粒子模型；2)基于BP神经网络解决液相锂离子浓度分布问题；3)利用训练好的BP神经网络求解单粒子模型中各区域的液相锂离子浓度分布，优化单粒子模型；4)基于扩展单粒子模型，采用无迹卡尔曼滤波实现锂离子电池荷电状态的在线估计。本发明考虑了单粒子模型内各区域的液相锂离子浓度分布，提高了单粒子模型的仿真精度，弥补了单粒子模型在中高倍率工况下模型精度低的缺点。扩展单粒子模型能够更好地描述电池的非线性特性，基于扩展单粒子模型采用无迹卡尔曼滤波估计SOC精度更高。

主权项

基于扩展单粒子模型的锂离子电池荷电状态在线估计方法，其特征在于，包括以下步骤：步骤1：建立锂离子电池的单粒子模型；步骤2：基于BP神经网络解决液相锂离子浓度分布问题，优化单粒子模型；步骤3：基于优化后的单粒子模型，采用无迹卡尔曼滤波实现锂离子电池荷电状态的在线估计。