为了解决模型参数和系统噪声对SOC估计精度的影响问题,以二阶RC电路作为电池模型的等效电路,对电池模型参数进行辨识,并通过Matlab/Simulink仿真验证模型参数的准确性,采用能对系统噪声模型实时更新的自适应扩展卡尔曼滤波算法（AEKF）对电池SOC进行准确估计。以单体锂离子电池为实验对象,分别采用传统的扩展卡尔曼滤波算法（EKF）和AEKF算法对模拟UDDS（Urban Dynamometer Driving Schedule）工况下的电池SOC进行了估计,当锂电池SOC在0.15～1之间连续变化时,AEKF和EKF对SOC估计的最大误差分别为3.9%和12.8%,误差均方根分别为1.39%和4.94%。实验结果表明,在系统噪声模型不确定的复杂工况下,AEKF具有较高的SOC估计精度。

安徽省高校自然科学基金重点资助项目（KJ2019A0106）；

1 电池建模与参数辨识
1.1 电池等效模型建立
1.2 模型参数辨识
1)实验装置
2)确定OCV-SOC关系曲线
3)电路参数辨识
1.3 模型验证
2 AEKF估计电池SOC
2.1 电池模型状态方程
2.2 EKF算法的SOC估计方法
2.3 优化SOC估计的AEKF算法
3 实验结果及讨论
3.1 模拟实际工况
3.2 SOC估计结果
4 结论

凌六一,何业梁,宫兵,邢丽坤.基于自适应扩展卡尔曼滤波的锂电池SOC估计[J].安徽理工大学学报(自然科学版),2020,40(04):19-24+37.