基于自适应渐消扩展卡尔曼滤波的锂离子电池SOC估计

摘要

电池荷电状态(SOC)的准确估计对于电动汽车动力电池的管理至关重要，而电动汽车在实际运行时经常会遇到SOC数据突变的问题，同时所建立的电池模型和噪声模型也存在一定误差，这导致传统扩展卡尔曼滤波算法在SOC估算过程中自适应性和鲁棒性较差。针对这些问题，本文提出使用自适应渐消扩展卡尔曼滤波算法(AFEKF),应用于锂离子电池的SOC估计。引入渐消因子对系统噪声协方差进行自适应迭代，从而实时更新最优卡尔曼增益，减少数据突变和电池模型误差等因素带来的影响，通过在复杂工况下的实验对比可知，AFEKF相比于标准EKF(extended Kalman filter),新欧洲驾驶循环工况下SOC估算精度提高0.78个百分点，变电流工况下估算精度提高0.5个百分点，同时在电池SOC初始值不准确的情况下能更快更平稳地收敛到真实值，表明AFEKF算法相比EKF估算SOC具有更高的估算精度和更好的鲁棒性。

关键词

荷电状态(SOC) / 参数辨识 / 自适应渐消扩展卡尔曼滤波器(AFEKF) / 锂离子电池 / 二阶RC模型