锂电池实时遗忘因子在线参数辨识与状态估计

摘要

SOC (state-of-charge)作为电动汽车能量管理、续驶里程估算、动力系统控制等功能的重要依据，其准确性至关重要，而模型参数的精确程度则是准确判定动力电池SOC的核心基础。传统的离线参数辨识使用固定的模型参数描述电池的性能及其响应，然而，在不同的放电倍率以及不同倍率持续时间等因素的影响下，电池内部的某些参数也会相应地发生变化，如果继续采用固定的模型参数，对电池状态的预测和估计就会出现较大的偏差。提出了一种自调节遗忘因子递推最小二乘法，在线辨识出电池模型的各项参数，将得到的模型参数导入扩展卡尔曼滤波算法中，用于实时估计电池的SOC。通过对比分析和验证，该方法在不同工况下SOC估计误差都能收敛在1%以内，证明具有良好的模型参数辨识精度和鲁棒性，可以显著提高SOC的估算精度。

关键词

SOC估计 / 最小二乘法 / 扩展卡尔曼滤波 / 参数辨识

基金资助

国家自然科学基金项目(52205052);; 重庆市教委科学技术研究项目(KJQN202201125);; 重庆理工大学科研启动基金项目(2021ZDZ015)