推进含滞回锂离子电池的状态估计：系统化扩展卡尔曼滤波调参
系统与控制
2023-11-29 v1 系统与控制
摘要
剩余电量的知晓对电动汽车部署至关重要。荷电状态（SOC）的精确测量无法直接获得，必须借助估计方法。这既需要良好的电池模型，也需要设计良好的状态估计器。本文中，滞回降阶电池模型与自适应扩展卡尔曼滤波估计器被证明是高效、精确的 SOC 估计器。提出了一种电池模型参数化框架，其增强标准化方法以捕捉滞回效应。该滞回模型针对三个独立的 NMC811 锂离子电池电芯进行参数化，在 18 小时汽车驾驶循环中将电压 RMS 误差降低 50%。参数化模型与扩展卡尔曼滤波一同使用，展示了自适应滤波器参数化方案的价值。当与扩展卡尔曼滤波配合使用时，自适应协方差矩阵产生高度精确的 SOC 估计，相较于行业标准电池模型将 SOC 估计误差降低 85%。
引用
@article{arxiv.2311.16942,
title = {Advancing state estimation for lithium-ion batteries with hysteresis: systematic extended Kalman filter tuning},
author = {Jasper Knox and Mark Blyth and Alastair Hales},
journal= {arXiv preprint arXiv:2311.16942},
year = {2023}
}
备注
22 pages, 8 figures. Journal submission