基于AFFRLS-AEKF的电池SOC估计方法  

作　　者：葛科 GE Ke

机构地区：[1]江苏海基新能源股份有限公司,江苏无锡214400

出　　处：《信息技术与信息化》2024年第12期179-185,共7页Information Technology and Informatization

摘　　要：文章基于AFFRLS-AEKF方法,针对锂离子电池的SOC估计问题展开研究。首先介绍了电池SOC估计的重要性和应用背景,指出了当前SOC估计方法存在的问题和挑战。随后详细介绍了AFFRLS-AEKF方法的创新之处,包括基于自适应遗忘因子的自适应遗忘因子递归最小二乘法(AFFRLS)和动态调节的遗忘因子,以及提高算法敏感性与适应性的特点。在电池等效模型和电池容量分析方面,采用二阶Thevenin等效电路模型和马里兰大学提供的INR 18650-20 R锂离子电池数据集进行研究。通过实验验证AFFRLS参数辨识的准确性,并将结果应用于等效电路模型中,进一步验证了AFFRLS-AEKF方法在复杂工况下的准确性和鲁棒性。最后,通过仿真实验和对比分析,证明了AFFRLS-AEKF方法相较于传统方法具有更高的精度和稳定性,能够更准确地进行电池状态估计,提高电池管理系统的整体性能。该研究为电池管理系统的设计和开发提供了重要的理论依据和技术支持,展现了AFFRLS-AEKF方法在电池SOC估计领域的优越性和应用前景。

关 键 词：锂电池 SOC估计方法 最小二乘法 自适应扩展卡尔曼滤波器 电池管理系统 

分 类 号：TM9[电气工程—电力电子与电力传动]