基于AEKF滤波与H∞滤波的锂离子电池SOC联合估计

锂电池荷电状态（SOC）的准确估计对提高电池的动态性能和能量利用率至关重要。针对现有卡尔曼滤波SOC估计方法存在估计精度低、鲁棒性差等问题，采用锂离子电池的二阶电阻-电容等效电路模型，通过HPPC循环脉冲实验和动态应力测试工况放电实验，结合带可变遗忘因子的递推最小二乘法（VFFRLS）及开窗理论,对等效电路模型参数进行在线辨识，提出利用自适应扩展卡尔曼滤波（AEKF）算法和H_∞滤波算法联合估计SOC的方法。结果表明：与AEKF算法相比，在DST工况下该算法可以使电池荷电状态估计的最大绝对误差减小3.902 9%，平均绝对误差减小0.962 2%，均方根误差减小0.551 5%。与H_∞滤波算法相比，在DST工况下该算法可以使电池荷电状态估计最大绝对误差减小1.309%，平均绝对误差减小2.893 4%，均方根误差减小2.613 6%。