IAGA辨识分数阶模型与FOAEKF算法的锂电池SOC估计

摘要：

锂电池荷电状态(SOC)的精确估计可以有效提高锂电池的使用寿命和电动汽车工作时的安全系数.为了降低模型误差与工况噪声对SOC估计精度的影响,依据分数阶理论建立锂电池分数阶等效电路模型,采用改进自适应遗传算法(IAGA)对分数阶模型进行参数辨识,结合基于噪声残差新息的分数阶自适应扩展卡尔曼滤波算法(FOAEKF)实现对锂电池SOC的精确估计.在城市道路循环工况(UDDS)下,分别采用FOAEKF、分数阶扩展卡尔曼滤波算法(FOEKF)和整数阶扩展卡尔曼滤波算法(IOEKF)对锂电池SOC进行估计,三者估计的平均绝对误差分别为0.00749、0.01117、0.01574,均方根误差分别为0.00916、0.0138、0.0186.结果表明IAGA-FOAEKF算法提高了复杂工况下电池模型和SOC估计的准确性.

关键词：分数阶模型、自适应、遗传算法、扩展卡尔曼滤波、荷电状态

所属期刊栏目：46

分类号：TM912.9

资助基金：安徽省高校自然科学基金项目KJ2019A0106

在线出版日期：2022-07-12（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：638-642