基于扩展卡尔曼神经网络算法估计电池SOC

针对汽车锂电池的荷电状态（SOC）的问题，基于Thevenin电路为等效电路并且应用扩展卡尔曼算法(EKF)结合神经网络算法进行估计。在进行卡尔曼滤波算法估算过程中，需要用到实时的估算模型参数值（最新值），即在不同的SOC下模型的参数不同。传统做法是把SOC与各个参数的关系进行普通的拟合，这种方法在拟合过程中存在较大误差。为了解决这个问题，利用神经网络拟合各个电路模型参数与SOC关系曲线。试验结果表明，与单纯的扩展卡尔曼算法相比，该方法能够准确估计电池剩余电量，误差小于3%。