基于FFMILS-MIUKF算法的锂电池SOC估计

准确估计SOC在防止锂电池过度充放电、提高锂电池能量利用率以及保障电池管理系统安全稳定运行方面具有重要意义。本文以三元锂电池为研究对象,提出一种基于多新息辨识理论的SOC估计方法,通过建立二阶RC等效电路模型,采用遗忘因子多新息最小二乘法(FFMILS)对模型参数进行在线辨识,结合多新息无迹卡尔曼滤波(MIUKF)算法估计锂电池的SOC,通过UDDS实验验证,并和EKF、UKF及MIUKF算法进行对比,实验结果表明,FFMILS-MIUKF算法估计锂电池SOC的误差控制在1.08%左右,其具有高精确性和快速收敛性。

多时间尺度下锂电池在线参数辨识及SOC估计

为了解决锂电池内部参数时变性和SOC估计不准确等问题,提出了一种电池模型参数在线辨识与SOC联合估计算法。在二阶RC等效电路模型基础上该联合算法于宏观时间尺度下采用无迹卡尔曼滤波算法在线辨识电池模型参数,并联合微观时间尺度下的扩展卡尔曼滤波算法估计锂电池SOC,在UDDS工况下验证了该联合算法对锂电池SOC的准确实时估算。实验结果表明,传统离线参数辨识下的锂电池SOC估计算法的平均绝对误差和均方根误差分别为1.52%和1.80%,在线参数辨识下的锂电池SOC估计算法的平均绝对误差和均方根误差分别降低到0.90%和1.12%,EKF-UKF联合算法提高了SOC估算的精确性和鲁棒性。