基于气液动力学电池模型和CKF算法的SOC估测

提出了一种基于容积卡尔曼滤波(CKF)的SOC估计方法。首先建立了气液动力学电池模型。通过混合脉冲功率特性(HPPC)实验获得了OCV-SOC曲线,并采用遗传算法对模型参数进行了辨识,在恒流与DST工况下验证了模型的可靠性。然后结合容积卡尔曼滤波算法对模型进行优化改进并验证。结果表明,CKF的最大估算误差为2.44%,与原始算法4.43%最大估算误差相比,CKF对原始算法改进显著。

基于GLD电池模型和FFRLS-EKF算法的SOC估测

针对当前亟需解决锂离子电池荷电状态(SOC)估计在动态与稳态工况下无法同时保持高精度的问题,利用气液动力学电池模型(GLD)与递推最小二乘法和扩展卡尔曼滤波算法提出联合SOC估算算法,采用含遗忘因子的递推最小二乘法(FFRLS)对模型的参数进行在线辨识,以消除原始算法存在的估算误差波动问题。利用恒流和动态应力测试(DST)工况进行了仿真验证。与单独采用FFRLS的算法以及原始算法进行对比,结果表明,所提算法具有更高的估算精度,最大误差为2.62%,具有估算精确度高和鲁棒性强的优点。