一种用于锂离子电池荷电状态估计的虚拟传感器融合方法
系统与控制
2025-08-07 v1 机器学习
系统与控制
摘要
本文通过结合两种广泛使用的范式——配备等效电路模型的卡尔曼滤波器和机器学习方法——来解决锂离子电池的荷电状态估计问题。具体而言，我们考虑了一种近期的虚拟传感器合成技术，其运作方式如下： 直接从数据中学习电池的仿射参数变化模型； 从 APV 模型导出一组线性观测器； 利用从观测器提取的特征以及输入和输出数据训练机器学习技术以预测 SOC。VS 返回的 SOC 预测值与电池端电压一起作为输出测量值提供给扩展卡尔曼滤波器，从而结合了这两种范式。提出了一种针对 EKF 噪声协方差矩阵的数据驱动校准策略。实验结果表明，所设计的方法在 SOC 估计的准确性和平滑性方面均具有优势。
引用
@article{arxiv.2508.04268,
title = {A virtual sensor fusion approach for state of charge estimation of lithium-ion cells},
author = {Davide Previtali and Daniele Masti and Mirko Mazzoleni and Fabio Previdi},
journal= {arXiv preprint arXiv:2508.04268},
year = {2025}
}