基于变遗忘因子的改进卡尔曼滤波锂电池荷电状态估算研究

• Published in: 河南理工大学学报（自然科学版） Vol. 43; no. 4; pp. 126 - 132
• Main Authors: 张涛, 陈东明, 侯鹏鹏, 王尧彬
• Format: Journal Article
• Language: Chinese
• Published: 河南理工大学 电气工程与自动化学院,河南 焦作 454000 01.07.2024
• Subjects: 锂电池; 荷电状态; state of charge; variable forgetting factor; adaptive filtering; square root filtering; lithium battery; 平方根滤波; 自适应滤波; 变遗忘因子
• ISSN: 1673-9787
• DOI: 10.16186/j.cnki.1673-9787.2022030035

TM912; 目的 为了解决锂电池在不同放电阶段和噪声干扰下荷电状态(SOC)估算结果发散问题,方法 通过分析锂电池机理特性,查找影响估算结果的因素和原因.选取适当的数学模型并得到开路电压特性-荷电状态(OCV-SOC)试验曲线后,针对传统算法估算误差波动较大的问题,提出变遗忘因子递推最小二乘(VFF-RLS)与自适应平方根无迹卡尔曼滤波(ASRUKF)算法联合估算SOC.结果 以动态应力测试(DST)为例,遗忘因子最小二乘(FFRLS)算法的开路电压初期误差最大值为 0.02 V,稳定后端电压误差为 0.004～0.010 V,误差收敛时间约 45 s;UKF算法的SOC估算初期最大误差为0.03,在400 s左右逐渐收敛到理论值附近,稳定后的波动误差为0.83％;VFF-RLS算法在相同的条件下,开路电压实验初期误差最大值为0.04 V,稳定后端电压误差为 0.003～0.007 V,误差收敛时间约 10 s;ASRUKF的SOC估算初期最大误差为0.1,随着算法迭代,200 s内收敛到理论值附近,稳定后最大波动误差0.413％. 结论 为了保证算法适用的普遍性,在不同初值下观察算法的收敛性,结果表明,在复杂的试验工况下,与传统算法比较,改进算法的参数辨识速度明显加快,精度提高,在估算SOC 阶段,波动范围明显变小;在实际值误差较大的情况下,依然能够迅速收敛,证明本文方法的改进切实可行,可用于实际电池研究.