基于BCRLS-ACKF的锂离子电池荷电状态估计

摘要：

精确的锂离子电池荷电状态(state of charge,SOC)估计对于电池管理系统至关重要.模型参数辨识是SOC估计的前提,也是影响其估计精度的关键因素.为了有效避免噪声对参数辨识的影响,采用偏差补偿递推最小二乘法(BCRLS)进行在线参数辨识.在此基础上,采用自适应容积卡尔曼滤波(ACKF)算法估计电池SOC,对系统噪声进行实时更新以提高估计精度.此外,对于计算过程中由于协方差矩阵失去正定性而出现平方根无法分解的问题,利用奇异值分解的方法代替Cholesky分解,以提高数值计算的稳定性.最后将BCRLS与ACKF相结合以实现模型参数和SOC的联合估计,并在不同工况和初始值不精确的情况下进行算法验证,结果表明本文所提算法具有较高的精度,平均绝对误差在2％以内.

关键词：荷电状态;偏差补偿最小二乘法;奇异值分解;自适应容积卡尔曼滤波;联合估计

所属期刊栏目：10

分类号：TM912

资助基金：国家自然科学基金5217061383,51974229陕西省自然科学基金项目2018JM5077,2019JQ-795

在线出版日期：2021-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2334-2341