基于 FORUKF-UKF 的锂电池 SOC 联合估计研究

目的 针对传统卡尔曼滤波算法估算锂电池的荷电状态( SOC) ,其值用 RSOC 准确度不足的问题,提出一种分 数阶鲁棒无迹卡尔曼滤波联合无迹卡尔曼滤波 ( FORUKF - UKF) 方法估计锂电池 SOC。 方法 在动态应力测试 ( DST) 下,采用自适应遗传算法( AGA) 对锂电池分数阶模型( FOM) 进行参数辨识;在 FOM 的基础上将无迹变换 (UT) 技术与 H∞ 观测器结合提出 FORUKF 算法,并与 UKF 联合实现 SOC 估计;联合估计器中的 UKF 实时估计电 池模型中的欧姆电阻 R0 ,并反馈至 FORUKF 算法中估算得到 SOC;最后在北京动态应力测试( BJDST) 下与拓展卡 尔曼滤波( EKF) 、分数阶无迹卡尔曼滤波( FOUKF) 进行比较验证。 结果 在估计 SOC 的过程中 FORUKF-UKF 方法 相对于 EKF、FOUKF 和 FORUKF 始终保持了最高的估计精度,展现了更好的鲁棒性。 结论 FORUKF-UKF 方法在 估计锂电池 SOC 方面比 EKF、FOUKF 和 FORUKF 算法具备更好的准确性和鲁棒性。