相关熵扩展卡尔曼滤波算法

估计精度提升超 90%

通过将广义混合最大相关熵准则与扩展卡尔曼滤波结合，该算法在非高斯噪声环境下显著提升锂离子电池荷电状态估计的鲁棒性和准确性。

巫春玲 · Yu-Bing, Zhao · Limin, Geng · 徐先峰 · 王一博 · 沈浩

Hsi-An Chiao Tung Ta Hsueh/Journal of Xi'an Jiaotong University 2025

参数信息

估计精度提升

72.4 %

估计精度提升

47.4 %

技术优势

抗非高斯噪声

通过广义混合最大相关熵准则构建代价函数，对脉冲噪声等非高斯干扰具有更强的抑制作用，估计精度显著提升。

误差初值快速收敛

在初始SOC值存在错误时，算法仍能快速收敛至真实SOC，适用于启动或复位后的状态快速估计。

应用场景

• 电池管理系统：直接替换现有EKF模块，在非高斯噪声下提升SOC估计精度，避免误报警和错误均衡。
• 电池状态估计算法：提供一种新的鲁棒估计框架，可在复杂噪声下保持高精度，为算法库增加选项。
• 储能系统监控：用于储能系统在线监测，在脉冲噪声环境下给出可靠的SOC，保障系统安全运行。
• 电动汽车动力电池：在电动汽车复杂电磁环境下仍能准确估计SOC，避免续航误判和性能下降。