动态工况电池在线参数辨识及SOC估计研究

• 作者: 孙鹏宇 李建良 陶知非 李淑清
• 来源期刊: 电子测量与仪器学报
• 关键词: SOC估计 参数辨识 最小二乘法 梯度矫正 扩展卡尔曼滤波
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: “电池检测技术及其应用”专题|BATTERY DETECTION TECHNOLOGY AND ITS APPLICATION
• 页码范围: 10-17
• 页数: 8页
• 分类号: TN0|TM912
• 语种: 中文
• DOI: 10.13382/j.jemi.B2003373

摘要

基于电池模型的荷电状态(SOC)估计方法,其估计精度主要取决于模型的精度.电池在动态工况下,输入电流变化激烈,传统的辨识方法因其收敛性差,导致模型精度降低.为了提高动态工况下电池模型精度,对传统带遗忘因子最小二乘法(FFRLS)进行改进,通过设置精度阈值,引入梯度矫正的方法,提出了改进带遗忘因子递推最小二乘法(IFFRLS).利用改进算法进行在线参数辨识,建立二阶RC等效电路模型,与其他传统参数辨识建立的模型进行对比,验证IFFRLS对模型精度提高的有效性,模型平均误差为0.003 8 V.最后,将不同辨识方法所建立的模型与扩展卡尔曼滤波(EKF)算法进行联合估计SOC并对比其误差,结果表明通过IFFRLS辨识出来的高精度模型可有效提高SOC的估计精度,DST工况下,误差在1.51％以内.