基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计OA北大核心CSTPCD
锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响。结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性。
邓丹;刘胜永;王顺利;刘鹏辉;胡聪;
广西科技大学自动化学院,广西柳州545006西南科技大学信息工程学院,四川绵阳621010桂林电子科技大学广西自动检测技术与仪器重点实验室,广西桂林541004
动力与电气工程
荷电状态二阶Thevenin模型遗忘因子递推最小二乘法自适应平方根无迹卡尔曼滤波算法
《电源技术》 2024 (002)
P.299-305 / 7
国家自然科学基金项目(No.62263001);广西自动检测技术与仪器重点实验室基金(No.YQ22203)。
评论