摘要：准确估计储能电池的健康状态（State-of-health,SOH），对电池的容量及安全管理有着重要意义。使用双卡尔曼滤波算法实现对模型参数和状态的估计，并结合安时积分法逆过程，实现SOH估计。为提高双卡尔曼滤波算法的鲁棒性和估计精度，对算法结构进行改进，建立起参数辨识和状态估计的耦合结构；并结合模型状态和参数的时变特点，引入多时间尺度方法，提出一种多时间尺度双扩展卡尔曼滤波算法。在放电深度为50%的恒流放电数据上的应用结果证实了所提算法的有效性，稳定后的SOH估计误差小于2 Ah，精度较改进前有较大的提升，且具有很好的鲁棒性。

关键字：双卡尔曼滤波;多时间尺度;储能电池;健康状态;荷电状态

ISSN号：1000-3932

卷、期、页：卷49期5:590-598

发表日期：2022-09-20

期刊分区（SCI为中科院分区）：无

收录情况：国内一般期刊

发表期刊名称：化工自动化及仪表

通讯作者：陈志鹏

第一作者：左信,岳元龙

论文类型：期刊论文

论文概要：左信,陈志鹏,岳元龙，基于改进双卡尔曼滤波法的储能电池SOH估计，化工自动化及仪表，2022，卷49期5:590-598

论文题目：基于改进双卡尔曼滤波法的储能电池SOH估计