近日，我校机械与汽车工程学院硕士研究生贾红升在能源存储领域国际权威期刊《Journal of Energy Storage》发表题为“State of charge estimation for batteries using crested porcupine optimizer-based extended Kalman filter gain compensation”的研究成果。安徽工程大学为论文第一署名单位，贾红升为第一作者，肖平教授为通讯作者，李宏钊博士为论文共同作者。

 针对磷酸铁锂电池在40%~90%荷电状态区间内开路电压变化平缓、传统扩展卡尔曼滤波易出现增益不匹配的问题，研究提出CPO-EKF方法，利用群智能优化算法离线搜索最优增益补偿因子，并将其引入EKF状态更新过程。研究基于CALCE公开数据集，在HPPC、BJDST和US06三种工况下，将本方法与传统EKF、HLOA-EKF及PSO-EKF进行了系统对比。30次独立运行结果表明，CPO-EKF在三种工况下均取得最低的平均绝对误差和均方根误差；在HPPC和BJDST工况下最大绝对误差同样最低，在US06工况下则与HLOA-EKF、PSO-EKF基本相当。相较传统EKF，其平均绝对误差降低63.8%~83.0%，均方根误差降低63.5%~82.9%，体现了较好的估计精度、运行稳定性和跨工况适应能力。

《Journal of Energy Storage》是由Elsevier出版集团出版的SCI检索期刊，该期刊位列JCR分区Q1，中科院二区Top，影响因子为10.7，是能源工程技术研究领域的知名期刊。

 原文链接：https://www.sciencedirect.com/science/article/pii/S2352152X26036960

图1本文技术路线

图2 三种工况下SOC估计误差对比

（文：杨春来；图：贾红升；初审：张荣芸；复审：潘家保；终审：魏长顺；责任编辑：韦凤仙）