重庆理工大学学报(自然科学) ›› 2024, Vol. 38 ›› Issue (11): 18-26.

• 车辆工程 • 上一篇    下一篇

锂电池实时遗忘因子在线参数辨识与状态估计

阚英哲,杨 敏,孙华泽,谢云飞   

  1. 重庆理工大学 机械工程学院,重庆 400054
  • 发布日期:2024-12-31
  • 作者简介:阚英哲,男,博士,讲师,主要从事新能源汽车、先进车辆传动系统相关研究,Email:yzkan@cqut.edu.cn;通信作者杨敏,男,硕士研究生,主要从事新能源汽车动力电池相关研究,Email:Yangmin@stu.cqut.edu.cn

  • Published:2024-12-31

摘要: SOC(stateofcharge)作为电动汽车能量管理、续驶里程估算、动力系统控制等功能的重要依据,其准确性至关重要,而模型参数的精确程度则是准确判定动力电池 SOC的核心基础。传统的离线参数辨识使用固定的模型参数描述电池的性能及其响应,然而,在不同的放电倍率以及不同倍率持续时间等因素的影响下,电池内部的某些参数也会相应地发生变化,如果继续采用固定的模型参数,对电池状态的预测和估计就会出现较大的偏差。提出了一种自调节遗忘因子递推最小二乘法,在线辨识出电池模型的各项参数,将得到的模型参数导入扩展卡尔曼滤波算法中,用于实时估计电池的 SOC。通过对比分析和验证,该方法在不同工况下 SOC估计误差都能收敛在 1%以内,证明具有良好的模型参数辨识精度和鲁棒性,可以显著提高 SOC的估算精度。

关键词: SOC估计;最小二乘法;扩展卡尔曼滤波;参数辨识

中图分类号: 

  • U46