由MIEKPF-EKPF算法协同估计锂离子电池SOC与SOH

作者：于智斌; 田易之^*

来源：电池, 2023, 53(02): 160-164.

DOI：10.19535/j.1001-1579.2023.02.009

• 荷电状态(SOC)
• 健康状态(SOH)
• 扩展卡尔曼粒子滤波(EKPF)
• 协同估计

针对锂离子电池荷电状态(SOC)和健康状态(SOH)难以直接测量的问题，提出基于多新息的扩展卡尔曼粒子滤波(MIEKPF)与扩展卡尔曼粒子滤波(EKPF)协同估计SOC和SOH。采用EKPF算法在线辨识参数，并估计SOH,将阻容等辨识结果作为输入，弥补估计SOC时应该考虑电池老化影响产生的误差，实现SOH对SOC的修正，提高模型精度。在新欧洲驾驶周期(NEDC)工况下，进行充放电实验，EKPF算法估计SOH的结果符合实际情况。MIEKPF-EKPF算法最终SOC估计的平均误差为0.48%、最大误差为1.97%、均方根误差为0.58%,仿真结果验证了所提方法的可行性和准确性。

• 单位
  新疆大学