基于PNGV模型与自适应卡尔曼滤波的铅炭电池荷电状态评估

储能电池应用广泛，准确估计储能电池的荷电状态(state of charge,SOC)对提高电池健康状态有重要意义。铅炭电池作为一种高性能、低成本、高安全性的新型储能电池，在储能电站等场景受到广泛关注，而目前尚缺少铅炭电池SOC估计相关研究。本工作首先通过静流间歇滴定技术探究铅炭电池的荷电状态与开路电压关系，后通过混合脉冲功率性能试验得到铅炭电池的伏安特征数据，建立一阶Thevenin和一阶PNGV等效电路模型，利用基于代理模型和灵敏度分析的随机算法(surrogate optimization algorithm,SOA)对两种等效电路模型进行参数辨识。在此基础上，利用扩展卡尔曼滤波算法(extended Kalman filter,EKF)估计铅炭电池SOC，估算过程考虑噪声干扰。另外，在铅炭电池SOC初值未知的情况下，EKF算法不能准确估计铅炭电池SOC。因此，本工作提出采用自适应扩展卡尔曼滤波算法(adaptive extended Kalman filter,AEKF)对铅炭电池进行状态估计，来弥补EKF的不足。结果表明，在存在噪声且SOC初值未知的情况下，AEKF算法较EK...