基于双DQN 和扩展卡尔曼滤波的锂离子电池荷电状态估计
摘 要：为了提高锂离子电池荷电状态(SOC)的估计精度，设计了一种基于双深度Q 网络(双DQN)和扩展卡尔曼滤波(EKF)的锂离子电池SOC 估计算法．选择锂离子电池二阶RC 等效电路为研究对象，采用EKF 算法重构了锂离子电池的离散系统数学模型；结合深度强化学习思想，构造了一种深度强化学习扩展卡尔曼滤波算法．该算法设计了双DQN，并对EKF 参数进行优化．仿真结果表明，与DQN 扩展卡尔曼滤波算法相比，双DQN 扩展卡尔曼滤波算法具有更好的收敛性、自适应能力以及估计精度．
论文下载：