基于AEKF的锂离子电池SOC估算

摘要：

针对拓展卡尔曼滤波(Extended Kalman Filter,EKF)算法进行锂离子电池荷电状态(State of Charge,SOC)估算时噪声信息固定从而导致估算精度低的问题,提出噪声信息协方差能够自动匹配的自适应拓展卡尔曼滤波(Adaptive Extended Kalman Filter,AEKF)算法.首先基于电池的双极化(Dual Polarization,DP)等效电路模型进行参数辨识,建立精确的等效模型;然后在动态应力测试(Dynamic Stress Test,DST)工况下对比了 EKF滤波算法与AEKF滤波算法噪声协方差矩阵变化情况以及对电池SOC的估算效果,结果表明AEKF滤波算法具有更高的估算精度;最后设置了几组不同的SOC初始偏差,验证了 AEKF滤波算法在估算电池SOC时具有鲁棒性强的优点.

关键词：锂离子电池、荷电状态估算、DP等效电路模型、自适应拓展卡尔曼滤波

所属期刊栏目：49

分类号：TM912

资助基金：安徽省高校协同创新项目GXXT-2021-025

在线出版日期：2023-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：57-62