基于简化模型与自适应算法的锂电池SOC估计

摘要

基于RC(Resistance-capacitance)等效电路模型进行锂离子电池荷电状态（State of charge, SOC）估计时，通常需要对RC网络内部参数进行在线辨识，参数辨识误差与SOC估计误差相互耦合，且计算复杂度较高，难以满足实时应用需求.针对上述问题，本文提出了一种基于线性简化模型与双自适应估计机制的SOC在线估计方法.首先，通过分析极化参数在实际工况下的稳定性特征，构建了一种以极化电压为核心的线性简化一阶等效模型，在模型结构层面显著弱化了SOC估计对RC网络内部参数在线辨识的依赖，一定程度上实现了参数辨识与SOC估计的误差解耦.其次，在简化模型框架下，引入基于误差反馈的遗忘因子自适应递推最小二乘算法，实现对极化动态参数的在线跟踪.同时结合噪声自适应卡尔曼滤波方法，根据端电压残差的统计特性动态调整噪声协方差，提高SOC估计在噪声干扰和建模不确定性下的鲁棒性.基于多种工况下采集的电池数据对所提方法进行了验证，实验结果表明，与三种对比方法相比，所提方法的SOC估计平均绝对误差降低约30%，并在保证估计精度的同时有效降低了在线计算负担.

关键词

锂离子电池 / 线性简化模型 / 参数辨识 / 荷电状态估计 / 卡尔曼滤波

基金资助

国家自然科学基金资助项目（62373070）; 新重庆青年创新人才资助项目（CSTB2024NSCQ-QCXMX0054）; 重庆市自然科学基金联合基金资助项目（CSTB2025NSCQ-LZX0165）