基于AEKF滤波与H∞滤波的锂离子电池SOC联合估计

摘要：

锂电池荷电状态(SOC)的准确估计对提高电池的动态性能和能量利用率至关重要.针对现有卡尔曼滤波SOC估计方法存在估计精度低、鲁棒性差等问题,采用锂离子电池的二阶电阻-电容等效电路模型,通过HPPC循环脉冲实验和动态应力测试工况放电实验,结合带可变遗忘因子的递推最小二乘法(VFFRLS)及开窗理论,对等效电路模型参数进行在线辨识,提出利用自适应扩展卡尔曼滤波(AEKF)算法和H∞滤波算法联合估计SOC的方法.结果表明:与AEKF算法相比,在DST工况下该算法可以使电池荷电状态估计的最大绝对误差减小3.9029％,平均绝对误差减小0.9622％,均方根误差减小0.5515％.与H∞滤波算法相比,在DST工况下该算法可以使电池荷电状态估计最大绝对误差减小1.309％,平均绝对误差减小2.8934％,均方根误差减小2.6136％.

关键词：锂离子电池、荷电状态、参数在线辨识、H无穷滤波、自适应扩展卡尔曼滤波

所属期刊栏目：46

分类号：TM912

资助基金：湖南省自然科学基金省市联合项目14JJ5014

在线出版日期：2022-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：536-540