基于WFRLS-STCKF的锂离子电池荷电状态估计方法

马逾; 杨睿超; 高怀斌; 杨姜伟; 夏宝洲; 李岩; 张传伟

中北大学学报（自然科学版） ›› 2026, Vol. 47 ›› Issue (1) : 80 -88+96.

马逾, 杨睿超, 高怀斌, 杨姜伟, 夏宝洲, 李岩, 张传伟

作者信息 +

Author information +

文章历史 +

摘要

精确的锂离子电池的荷电状态（SOC）估计是确保电动汽车安全、可靠运行的核心要求。然而，电池管理系统（BMS）易受多变工作条件的干扰，导致SOC估计值出现较大偏差，这构成了当前面临的主要挑战。针对电池系统工况突变时，传统遗忘因子递推最小二乘法（FFRLS）因动态响应迟滞所致模型参数辨识精度下降，进而影响SOC估计精度的问题，本文提出了一种结合加权遗忘因子递推最小二乘法（WFRLS）与强跟踪容积卡尔曼滤波（STCKF）的联合估计方法。基于二阶RC等效电路模型，采用WFRLS算法进行了模型参数在线辨识。结果表明，在系统工况突变时，WFRLS的电压辨识精度较传统FFRLS方法提升约0.01V。在此基础上，利用STCKF算法实现SOC的在线估计。在动态应力测试（DST）和城市道路循环（UDDS）两种典型工况下的实验验证表明，所提联合方法具有较高的估计精度，平均绝对误差低于2%，均方根误差低于3%，表现出良好的适应性与鲁棒性。