摘要：荷电状态(State of Charge， SoC)作为表征锂电池剩余电量的关键指标，其精确估计对于合理使用电池电量、保障电池安全具有重要意义。本文针对基于H∞滤波(H Infinity Filter， HIF)估计SoC时鲁棒性好但估计精度低的问题，提出一种自适应无迹H∞滤波(Adaptive Unscented H Infinity Filter， AU＿HIF)SoC估计方法，以提高SoC估计精度。首先，选择能够在精度和复杂度间取得良好平衡的双极化(Dual Polarization，DP)等效电路模型进行新型估计算法的设计；其次，结合无迹卡尔曼滤波(Unscented Kalman Filter， UKF)算法相比于传统扩展卡尔曼滤波(Extended Kalman Filter， EKF)算法更适用于非线性系统状态估计的特点，文章基于先验误差协方差矩阵设计新型渐消因子，实现自适应无迹H∞滤波算法的设计，以减小陈旧测量值对估计结果的影响，提高滤波算法的跟踪能力及估计精度。最后，通过搭建自主实验平台获取实际模拟工况数据，验证了文章所提自适应无迹H∞滤波算法相比于传统H∞滤波算法、传统UKF算法和其他类型改进H∞滤波算法具有更高的估计精度及更好的鲁棒性。文章研究内容对提高新能源汽车、储能电站等电池系统的SoC估计精度具有重要意义。
文章目录
0 前言
1 电池等效电路模型的建立
2 自适应无迹H∞滤波算法建立
2.1 基于UKF的自适应渐消因子设计
2.2 自适应无迹H∞滤波算法的设计
3 AU-HIF算法先进性验证
3.1 实验平台搭建及模拟工况测试
3.2 估计结果对比分析
3.2.1 估计精度分析
3.2.2 鲁棒性分析
4 结 论
