| 481 | 0 | 54 |
| 下载次数 | 被引频次 | 阅读次数 |
为了更好解决复杂工况在线参数辨识时出现的数据过饱和问题并提高辨识精度，同时避免荷电状态(SOC)估计时算法迭代过程中跟踪能力退化，提出一种通过改进的变遗忘因子递推最小二乘法(VFFRLS)进行参数辨识，多新息无迹卡尔曼滤波算法(MIUKF)进行SOC估计的联合方法。建立二阶RC等效电路模型，以北京动态应力测试工况(BJDST)和高速道路循环工况(US06)进行参数辨识和SOC估计。结果表明：2种工况下该联合算法参数辨识端电压平均绝对误差(MAE)仅为5.1 mV和7.2 mV,SOC估计与遗忘因子递推最小二乘法与无迹卡尔曼滤波相结合的算法(FFRLS-UKF)相比，平均绝对误差分别减小了0.29%和0.31%,均方根误差分别减小了0.27%和0.30%,说明该联合方法具有较好的准确性和稳定性。
Abstract：[1] 谭必蓉，杜建华，叶祥虎，等.基于模型的锂离子电池SOC估计方法综述[J].储能科学与技术，2023,12(6):1995-2010.
[2] XIE Y M,XU J,JIN C Y,et al.A novel reduced-order electrochemical model of lithium-ion batteries with both high fidelity and real-time applicability[J].Energy,2024(306):132425.
[3] 胡明辉，朱广曜，刘长贺，等.考虑迟滞特性的卡尔曼滤波和门控循环单元神经网络的锂离子电池SOC联合估计[J].汽车工程，2023,45(9):1688-1701.
[4] 邓丹，刘胜永，王顺利，等.基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计[J].电源技术，2024,48(2):299- 305.
[5] 郭宝贵，马潇男.基于分数阶模型的锂离子电池SOC估计[J].电池，2024,54(5):634- 639.
[6] 王若琦，王晓佳，杨淇，等.基于双自适应无迹卡尔曼滤波算法的锂电SOC/SOH联合估计[J].机械设计与制造，2023,383(1):1- 4.
[7] ZHANG S Z,GUO X,ZHANG X W.An improved adaptive unscented kalman filtering for state of charge online estimation of lithium-ion battery[J].Journal of energy storage,2020(32):101980.
[8] 夏雪磊，杨博，赵志刚，等.基于MILS-MIUKF算法的锂离子电池宽温度全寿命荷电状态估计[J].中国公路学报，2024,37(8):289- 301.
基本信息:
中图分类号:TM912
引用信息:
[1]马蒙召,赵阳,丁柏秀,等.基于VFFRLS-MIUKF的锂电池参数辨识与SOC估计[J].技术与市场,2026,33(01):18-26.
基金信息:
吉林省科技发展计划项目(20200403137SF); 吉林省教育厅“十三五”科学技术项目(JJKH20200273KJ)
2026-01-15
2026-01-15