不同温度下基于FFRLS-AEKF的锂电池SOC估计

作     者：谭天雄 朱骏 吴立锋 袁慧梅 Tan Tianxiong;Zhu Jun;Wu Lifeng;Yuan Huimei

作者机构：首都师范大学信息工程学院北京100048 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2022年第39卷第5期

页      面：68-77页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61873175) 北京市自然科学基金重点项目(B类)(KZ201710028028) 

主　　题：锂离子电池 荷电状态 温度影响 在线联合估计 自适应扩展卡尔曼算法 

摘      要：荷电状态(SOC)是电池管理系统的重要指标。针对不同环境温度对于SOC估计的影响,分别建立基于温度影响的二阶RC等效电路模型与电池可用容量模型。在此基础上,采用带有遗忘因子的递归最小二乘法(FFRLS)对模型参数进行在线识别,同时结合改进的自适应扩展卡尔曼滤波算法(AEKF)实现SOC在线联合估计,以其闭环反馈系统通过迭代来保障估计的准确性。实验结果表明,该方法在不同的环境温度下都具有较高的精度,且最大误差小于1.2%,平均绝对误差小于0.6%,均方根误差小于0.5%。