針對在非高斯噪聲干擾下，傳統(tǒng)擴展卡爾曼濾波算法估計鋰電池荷電狀態(tài)時精度低的問題，長安大學電子和控制工程學院、四川大學電氣工程學院的研究人員巫春玲、胡雯博、孟錦豪、劉智軒、程琰清，在2021年第24期《電工技術學報》上撰文，提出一種基于最大相關熵的擴展卡爾曼濾波新算法，用于估計鋰電池的荷電狀態(tài)。新算法在運行時間新增很小的情況下，估計精度高且魯棒性好，是一種非常有效的估計方法。

鋰電池具有比能量高、自放電率低、循環(huán)性能好﹑無記憶和綠色環(huán)保等優(yōu)點，是目前最具發(fā)展前景的高效二次電池和發(fā)展最快的化學儲能電池。同時，鋰電池市場價格適中，且能夠長時間穩(wěn)定供能，逐漸成為儲能系統(tǒng)中廣泛應用的重要元件之一。

為更好地掌握鋰電池的工作狀態(tài)，要對其荷電狀態(tài)（StateofCharge,SOC）進行精確的分析計算和預測估計。SOC表示電池中剩余的可使用能量，準確的SOC估計不僅能夠供應和電池性能相關的信息，而且還能夠提高電池運行過程中的可靠性和安全性。由于電池內(nèi)部化學反應復雜、系統(tǒng)非線性強，且具有時變特性，故不能直接對電池SOC進行測量。

在SOC估計的眾多方法中，基于卡爾曼濾波的方法估計SOC目前應用比較廣泛。傳統(tǒng)卡爾曼濾波算法及其改進方法均在高斯噪聲干擾下進行估計，然而實際情況下，系統(tǒng)常處于非高斯噪聲干擾下。在非高斯噪聲干擾，上述各種算法的估計精度會變差，難以應用于實際情況。

為提高非高斯噪聲干擾下電池SOC的估計精度，長安大學電子和控制工程學院等單位的研究人員提出一種基于最大相關熵準則的擴展卡爾曼濾波（MaximumCorrelation-entropyCriterionExtendedKalmanFilter,MCC-EKF）算法用于電池的SOC估計。他們首先對鋰電池進行Thevenin等效電路建模，并對該模型中的參數(shù)進行了辨識，然后在高斯噪聲干擾和非高斯噪聲干擾下，分別運用提出的MCC-EKF算法和EKF算法對電池SOC進行估計。

實驗結(jié)果表明，和EKF算法相比，新算法在高斯噪聲干擾下，運行時間新增0.282s，估計精度提高19%；在非高斯噪聲干擾下，運行時間新增0.418s，估計精度提高51%；故新算法的估計精度高于EKF算法，尤其是在非高斯噪聲干擾下，新算法的估計精度有顯著性提高。

另外，為驗證新算法的魯棒性，在高斯噪聲干擾和非高斯噪聲干擾下，研究人員分別設置準確的SOC初值和錯誤的SOC初值對SOC進行估計。仿真結(jié)果表明，在SOC初值錯誤的情況下，新算法在電池開始工作后10s內(nèi)就能夠收斂到真實值，故新算法具有較好的魯棒性。所提出的算法是一種精度高而且魯棒性好的有效估計方法。

本文編自2021年第24期《電工技術學報》，論文標題為"基于最大相關熵擴展卡爾曼濾波算法的鋰電池荷電狀態(tài)估計"，作者為巫春玲、胡雯博等。