10.16186/j.cnki.1673-9787.2022030035
基于变遗忘因子的改进卡尔曼滤波锂电池荷电状态估算研究
目的 为了解决锂电池在不同放电阶段和噪声干扰下荷电状态(SOC)估算结果发散问题,方法 通过分析锂电池机理特性,查找影响估算结果的因素和原因.选取适当的数学模型并得到开路电压特性-荷电状态(OCV-SOC)试验曲线后,针对传统算法估算误差波动较大的问题,提出变遗忘因子递推最小二乘(VFF-RLS)与自适应平方根无迹卡尔曼滤波(ASRUKF)算法联合估算SOC.结果 以动态应力测试(DST)为例,遗忘因子最小二乘(FFRLS)算法的开路电压初期误差最大值为 0.02 V,稳定后端电压误差为 0.004~0.010 V,误差收敛时间约 45 s;UKF算法的SOC估算初期最大误差为0.03,在400 s左右逐渐收敛到理论值附近,稳定后的波动误差为0.83%;VFF-RLS算法在相同的条件下,开路电压实验初期误差最大值为0.04 V,稳定后端电压误差为 0.003~0.007 V,误差收敛时间约 10 s;ASRUKF的SOC估算初期最大误差为0.1,随着算法迭代,200 s内收敛到理论值附近,稳定后最大波动误差0.413%. 结论 为了保证算法适用的普遍性,在不同初值下观察算法的收敛性,结果表明,在复杂的试验工况下,与传统算法比较,改进算法的参数辨识速度明显加快,精度提高,在估算SOC 阶段,波动范围明显变小;在实际值误差较大的情况下,依然能够迅速收敛,证明本文方法的改进切实可行,可用于实际电池研究.
锂电池、变遗忘因子、荷电状态、自适应滤波、平方根滤波
43
TM912
国家自然科学基金;河南省科技攻关项目;河南省高校基本科研业务费专项项目;河南省科技创新团队基金资助项目;河南理工大学青年骨干教师资助项目
2024-08-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
126-132