基于BCRLS-AEKF的锂离子电池荷电状态估计及硬件在环验证

研究有色噪声下的锂离子电池参数辨识与荷电状态(SOC)估计,并进行硬件在环实验验证.在动力电池模型的参数辨识过程中,利用带遗忘因子的偏差补偿递推最小二乘法进行偏差补偿,提高了有色噪声数据的参数辨识精度.在此基础上,利用自适应扩展卡尔曼算法进行SOC估计,使得滤波算法中的估计结果可以随着噪声统计特性的变化而自适应更新,实现了模型参数和电池状态的联合估计.最后,借助BMS测试系统模拟电池电压电流信息输出,完成了硬件在环实验以验证所提出的方法.实验结果表明,利用所提出算法估计得到的电池端电压和SOC误差分别小于10 mV和0.5%.

基于混合AUKF和HIFF的锂离子电池SOC估计

提出基于模型的自适应无迹卡尔曼滤波(AUKF)和H无穷滤波(HIFF)的联合算法。选取Thevenin模型,针对有色噪声条件下的输入数据,改进常用的带遗忘因子的递推最小二乘(RLS)法,提出偏差补偿型递推最小二乘(BCRLS)法,来抑制数据的有色噪声。设计的AUKF/HIFF混合算法具有较好的精度和更强的鲁棒性,可实现参数和状态的联合估计,提高实车应用的可能。在不同输入数据条件下,混合算法的荷电状态(SOC)估计误差均小于2%,可靠性较好。