基于多新息鲁棒滤波的锂电池SOC-SOH联合估计

摘要

准确估计电池荷电状态（state of charge, SOC）与健康状态是电动汽车电池管理系统安全运行的核心需求。现有方法多独立估计两者，忽略其耦合关系，且在强动态工况下存在协方差矩阵非正定与非高斯噪声鲁棒性不足等问题。为此，构建二阶分数阶等效电路模型，并采用自适应遗传算法在线辨识模型参数；提出融合奇异值分解、H∞观测器与多新息理论的鲁棒滤波算法，分别保障数值稳定性、非高斯鲁棒性与跟踪精度；设计双层滤波架构，以自适应无迹卡尔曼滤波在线估计健康状态并反馈修正SOC，实现协同优化。实验结果表明，所提方法在多种标准工况下SOC估计平均绝对误差均低于0.6%，其中在高速工况下较扩展卡尔曼滤波精度提升约78%，在非高斯脉冲噪声干扰下仍保持良好估计性能。所提方法具有准确性与鲁棒性。

关键词

锂离子电池 / SOC-SOH联合估计 / 分数阶模型 / 多新息理论 / H∞鲁棒滤波

基金资助

国家自然科学基金（52207235）