基于BP-EKF算法的电动汽车电池管理系统SOC精准估计

来源：电工电能新技术杂志2015年第9期北京时间：

作者：荣雅君，杨伟，牛欢，郑鑫慧

单位：电力电子节能与传动控制河北省重点实验室， 燕山大学电气工程学院， 河北 秦皇岛 066004

摘要：以数字信号处理器DSP（TMS320LF2407）为主控芯片，完成了电动汽车电池管理系统平台的搭建。电池荷电状态（SOC）的精准估计是电动汽车电池管理系统的核心任务之一，本文为提高SOC估计的准确性，提出了基于BP神经网络法与拓展卡尔曼滤波(EKF)法相结合的一种新算法（BP-EKF）。在对磷酸铁锂电池进行试验分析之后，运用Matlab的人工神经网络工具箱建立BP神经网络，并利用试验得到的数据对所建立的BP神经网络进行训练，从而利用训练好的BP神经网络优化补偿拓展卡尔曼滤波算法的估计结果。经过仿真实验验证两种算法的准确性，结果表明，与单纯的EKF滤波法相比，基于BP-EKF算法的SOC估计值的准确性有了显著的提高，且具备很好的适用性。

关键词：电池荷电状态, 电池管理系统, BP神经网络, 拓展卡尔曼滤波