锂离子电池片段数据的荷电状态估计研究

针对单一算法在不同工况下的锂电池片段荷电状态(SOC)估计精度低的问题,提出一种基于锂电池片段数据的联合SOC估计算法。以比克H18650CIL型镍钴锰酸锂单体电池为研究对象,建立了二阶RC等效电路模型,设计了锂电池实验并进行了基于遗忘递推最小二乘法(FFRLS)的在线参数辨识,结果表明所建模型及辨识的参数具有较高的精度。考虑到不同算法的优点,论文使用灰色理论、BP神经网络等方法进行了锂电池的荷电状态估计。在此基础上建立了无迹卡尔曼滤波(UKF)、离散灰色预测(DGM)和神经网络(BPNN)的联合算法,分别以15%、30%和40%的锂电池片段数据作为训练数据,进行了SOC估计结果的比较。数据表明联合算法的最大估计误差为1.01%,好于UKF算法的最大误差1.94%、BPNN算法的最大误差1.62%,联合算法展现出了更高的精度和稳定性。