基于在线参数辨识和SVD-AUKF的锂电池荷电状态估计

作     者：丁璨 王滔 张露露 郭庆 

作者机构：三峡大学电气与新能源学院 

出 版 物：《南方电网技术》 (Southern Power System Technology)

年 卷 期：2024年

核心收录：

学科分类：0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金资助项目(52072217) 湖北省自然科学基金创新与发展联合基金(2022CFD034) 

主　　题：荷电状态 双极化模型 参数辨识 奇异值分解 自适应无迹卡尔曼滤波 

摘      要：针对动力电池在复杂多变工况下，离线参数辨识无法实时反映电池动态特性导致参数辨识精度低，无迹卡尔曼滤波(UKF)在估计电池荷电状态(State of charge，SOC)时对噪声处理十分有限，同时在处理协方差矩阵时出现非正定问题会导致算法波动和估计失效。本文基于双极化(Dual Polarization，DP)电路模型，提出遗忘因子递推最小二乘法(FFRLS)和奇异值分解-自适应无迹卡尔曼滤波法(SVD-AUKF)对电池SOC进行在线估计。仿真表明，在复杂工况(美国联邦城市运行工况，FUDS)下，与真实SOC值进行比较，SVD-AUKF进行模拟验证时平均绝对误差(MAE)和均方根误差(RMSE)分别为0.5286%和0.5447%，在传统的UKF算法的基础上其MAE和RMSE分别提高了57.96%和63.3%，进一步表明SVD-AUKF准确性和稳定性更高。