基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计

锂电池在工作过程中，其内部参数易受多种因素影响，为提高锂电池在复杂环境下荷电状态(SOC)估计精度，以二阶戴维宁(Thevenin)等效模型为基础，结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点，提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法，该算法利用平方根算法处理均值和协方差，确保了状态协方差的半正定性和稳定性，并引入自适应滤波算法对噪声进行实时修正，消除了系统时变噪声影响。结果表明，FFRLS能有效解决数据饱和及算法矩阵计算量大的问题，等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下，ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%，具备更好的跟踪效果，验证了改进算法良好的收敛性与自适应性。