基于 RLSEKF 的联合估计滤波器用于实时 SOH SOC 辨识的新更新规则
系统与控制
2020-03-24 v1 系统与控制
摘要
为了准确估计电动汽车(EV)中锂离子电池的 SOC 与 SOH，我们提出一种自适应对角遗忘因子递推最小二乘(ADFF-RLS)以精确估计电池参数。ADFFRLS 在现有 DFF-RLS 中包含两项新提议：其一是激励标签，它根据输入数据的动态改变 DFFRLS 与 EKF 的行为；其二是自动调谐，基于条件数(CN)自动寻找 RLS 遗忘因子的最优值。基于此，我们提出了 ADFF-RLS 与扩展卡尔曼滤波(EKF)的联合估计算法。为验证所提算法的精度，我们采用了混合动态与静态模式的混合模式电池芯实验数据。此外，我们加入了 EV 测量时出现的电流测量误差，实现了更接近实际环境的数据。将该数据应用于两种常规估计算法(库仑计数、单一 EKF)、两种联合估计算法(RLS&EKF、DFF-RLS&EKF)以及 ADFF-RLS&EKF。结果表明，所提算法在各种驾驶模式及实际 EV 驾驶环境下的 SOC 与 SOH 估计精度均高于以往研究。
引用
@article{arxiv.2003.09839,
title = {A New Update Rule of RLSEKF-based Joint-estimation Filters for Real-time SOH SOC Identification},
author = {Kwangrae Kim and Minho Kim and Suwon Kang and Jungwook Yu and Jungsoo Kim and Huiyong Chun and Soohee Han},
journal= {arXiv preprint arXiv:2003.09839},
year = {2020}
}