基于自适应多模型卡尔曼滤波的 OCV-SOC 曲线误差下 LiFePO4 电池 SOC 估计
系统与控制
2024-11-01 v1 系统与控制
摘要
LiFePO4 电池因其长循环寿命和高安全性能而被广泛应用于电动汽车和储能系统。然而，这类电池的 OCV-SOC 曲线（OSC）具有一个长平台区，使得荷电状态（SOC）估计对因老化和温度变化引起的 OSC 误差高度敏感。为解决此问题，我们提出了一种考虑 OSC 误差的 SOC 估计方法。首先，我们建立了电池等效电路模型（ECM），并引入了一种基于自适应递归最小二乘的参数辨识算法。接着，我们推导了卡尔曼滤波器的新息互相关矩阵（CCM）/自相关矩阵（ACM）与 OSC 误差之间的关系。然后，我们开发了一种自适应多模型卡尔曼滤波器（AMMKF），该滤波器根据 OSC 误差的符号动态调整每个滤波器的测量模型参数。通过根据每个滤波器的预测电压分布函数为其分配概率，选择出最优滤波器。所提出的方法在多种 OSC 误差类型和工况下进行了测试。结果表明，该方法具有高精度和鲁棒性，RMSE 低于 3%，比传统方法的估计误差降低了 10% 以上。
引用
@article{arxiv.2410.23646,
title = {LiFePO4 Battery SOC Estimation under OCV-SOC Curve Error Based onAdaptive Multi-Model Kalman Filter},
author = {Daniyaer Paizulamu and Lin Cheng and Yingrui Zhuang and Helin Xu and Ning Qi and Song Ci},
journal= {arXiv preprint arXiv:2410.23646},
year = {2024}
}
备注
10 pages,9 figures