基于双自适应卡尔曼滤波的锂电池状态估算

摘要：

精准的锂电池建模是保证电池储能系统可靠性至关重要的手段.荷电状态(state of charge,SOC)的准确估计保证了特定应用程序的安全高效运行.为了提高SOC的估计精度,首先建立等效电路模型,利用遗忘因子的偏差补偿最小二乘法(bias compensation recursive least squares,BCRLS)对电池模型进行参数辨识.然后,利用自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法来估计SOC.由于无迹无迹卡尔曼滤波算法易受非线性因素的干扰,因此提出了利用权重量定义AUKF算法提高SOC的估计精度.由于电池在放电过程中,电池内部特性会发生变化,而电池欧姆内阻会对SOC估计结果产生直接影响.基于此,本工作提出了双自适应无迹卡尔曼滤波来进一步提高SOC的估计精度.通过和不同算法进行比较,实验结果表明,所提算法估计SOC的误差控制在2％以内,验证了算法的有效性.

关键词：锂离子电池;荷电状态;偏差补偿最小二乘法;权重向量;双自适应无迹卡尔曼滤波

所属期刊栏目：11

分类号：TM911

资助基金：广西高校中青年项目2019KY1257

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：660-666