基于MIAEKF的多温度下锂电池SOC估计

随着锂电池在电动车辆中的广泛应用,准确估计电池荷电状态(SOC)对于电池的安全性和使用性能至关重要。然而,变化温度环境条件下,传统Kalman估计方法降低电池SOC估计准确性。为解决上述问题,本研究提出了基于多新息自适应扩展卡尔曼滤波(MIAEKF)的SOC估计方法。首先,基于多组不同温度下测试实验获取的电池数据,利用带遗忘因子的最小二乘法(FFRLS)进行参数辨识,获得了多温度下不同SOC阶段的电池参数。其次,利用函数拟合的方法建立了以SOC、温度为自变量,电池参数为因变量的函数模型,用于描述电池参数的动态行为。最后,在此基础上引入了MIAEKF算法,该算法结合了自适应和多新息的思想,通过滑动窗口自适应调整过程噪声与测量噪声协方差,并将窗口的新息均值作为窗口最新时刻后验估计的新息来增加误差新息。选择合适的窗口长度与新息均值系数能够有效提升SOC估计精度。实验数据验证的结果表明,基于MIAEKF的SOC估计方法在相同条件下相较于传统的扩展卡尔曼滤波(EKF)、自适应扩展卡尔曼滤波(AEKF)表现出更高的估计精度和稳定性。在多温度下,通过引入电池参数函数模型,MIAEKF能够自适应多个温度下的SOC估计,并且估计误差均在±1%以内。