基于自回归各态历经模型参数辨识的模糊双卡尔曼滤波算法的储能电池荷电状态估算

扩展卡尔曼滤波(extended Kalman filter,EKF)算法在电池荷电状态(state of charge,SOC)估算领域广泛应用。但作为一种基于模型的算法,电池模型误差影响SOC估算的精度。为了抑制电流的幅值与阶跃电流因素对模型误差的影响,提出一种动态修正观测噪声协方差的模糊双卡尔曼滤波(fuzzy dual Kalman filter,FDKF)算法。该算法首先将一阶电阻-电容(resistor-capacitance,RC)等效模型转换为自回归各态历经(autoregressive exogenous,ARX)模型的形式,用卡尔曼滤波(Kalman filter,KF)算法更新转换后模型的参数,且在SOC估算的过程中获取电流与电流变化量的数据,并通过建立模糊控制系统调整观测噪声的协方差值来抵消模型误差。结果表明:FDKF算法在某储能工况下估算误差的最大值为0.39%,小于EKF算法的3.92%和双卡尔曼滤波(dual Kalman filter,DKF)算法的1.12%,可见FDKF该算法能够有效地提升SOC估算的精度。