磷酸铁锂(LiFePO_(4),LFP)与镍钴锰酸锂(LiNi_(x)Co_(y)Mn_(2)O_(2),NCM)电池串联构建的混合动力电池系统,是突破传统单一化学体系瓶颈的关键技术。然而,混装电池包中LFP电池具有平坦的电压平台特性,导致全工作区间的荷电状态(state of ...磷酸铁锂(LiFePO_(4),LFP)与镍钴锰酸锂(LiNi_(x)Co_(y)Mn_(2)O_(2),NCM)电池串联构建的混合动力电池系统,是突破传统单一化学体系瓶颈的关键技术。然而,混装电池包中LFP电池具有平坦的电压平台特性,导致全工作区间的荷电状态(state of charge,SOC)估算精度受限,且在多算法切换时易出现SOC跳变现象。为此,本工作提出一种基于开路电压(open circuit voltage,OCV)曲线区间自适应划分的分段融合SOC估算方法。首先,考虑到LFP电池OCV斜率变化特征,设计了分段平滑策略,在高斜率区保持电压特征,在平台区增强平滑效果,并根据平滑OCV曲线的一阶差分斜率,设定自适应斜率阈值,将放电区间划分为前端高斜率区、中间平台区与后端高斜率区,为SOC算法选择提供明确依据;其次,构建分段估算框架:在高斜率区采用改进自适应扩展卡尔曼滤波进行SOC动态跟踪,在平台区则利用混合包中NCM电池的SOC进行映射估算。针对算法切换点SOC跳变问题,进一步提出梯度敏感的S型融合算法(gradient-sensitive adaptive blending,GSAB),该算法通过量化切换点邻域的SOC梯度差异,动态调整融合函数参数以生成平滑过渡权重,抑制切换点的SOC跳变。结果表明,改进自适应扩展卡尔曼滤波算法在NCM电池上的均方根误差相较于传统扩展卡尔曼滤波算法降低63.70%;GSAB策略有效消除了算法切换时的SOC突变,使过渡区波动降低72.42%。最终,在城市道路循环工况下,LFP电池全区间SOC估算的平均绝对误差与均方根误差分别降至1.08%和1.31%,验证了所提方法能有效提升LFP电池SOC全区间估算精度。展开更多
无迹卡尔曼滤波(unscented Kalman filter,UKF)是锂离子电池荷电状态(state of charge,SOC)估计的常用算法之一。然而在实际应用中,由于受到外界环境温度变化、电池容量退化等不确定性干扰,以及非高斯过程噪声的影响,需要进一步提高算...无迹卡尔曼滤波(unscented Kalman filter,UKF)是锂离子电池荷电状态(state of charge,SOC)估计的常用算法之一。然而在实际应用中,由于受到外界环境温度变化、电池容量退化等不确定性干扰,以及非高斯过程噪声的影响,需要进一步提高算法的性能才能更有效地保证估计精度。基于此,提出一种改进的无迹卡尔曼滤波算法(PO-RUKF)。首先,在UKF中引入H∞滤波提高算法的鲁棒性,用来克服各种干扰带来的不良影响。其次,利用鹦鹉优化算法对UKF的过程噪声协方差矩阵进行自适应调整,以解决滤波噪声参数先验确定的问题,从而提高滤波精度。最后,采用马里兰大学的FUDS和HPPC工况下的两种公开数据集进行了实验验证,结果表明,在不同的温度、电池容量退化状态以及不同的工况下,相比于传统的UKF算法以及鲁棒UKF算法,改进后的算法具有更高的SOC估计精度,平均绝对误差小于0.50%,均方根误差小于0.56%,此外还展现出更强的鲁棒性和普适性。证实所提方法可以为锂离子电池SOC估计提供更可靠、有效的技术支撑。展开更多
文摘无迹卡尔曼滤波(unscented Kalman filter,UKF)是锂离子电池荷电状态(state of charge,SOC)估计的常用算法之一。然而在实际应用中,由于受到外界环境温度变化、电池容量退化等不确定性干扰,以及非高斯过程噪声的影响,需要进一步提高算法的性能才能更有效地保证估计精度。基于此,提出一种改进的无迹卡尔曼滤波算法(PO-RUKF)。首先,在UKF中引入H∞滤波提高算法的鲁棒性,用来克服各种干扰带来的不良影响。其次,利用鹦鹉优化算法对UKF的过程噪声协方差矩阵进行自适应调整,以解决滤波噪声参数先验确定的问题,从而提高滤波精度。最后,采用马里兰大学的FUDS和HPPC工况下的两种公开数据集进行了实验验证,结果表明,在不同的温度、电池容量退化状态以及不同的工况下,相比于传统的UKF算法以及鲁棒UKF算法,改进后的算法具有更高的SOC估计精度,平均绝对误差小于0.50%,均方根误差小于0.56%,此外还展现出更强的鲁棒性和普适性。证实所提方法可以为锂离子电池SOC估计提供更可靠、有效的技术支撑。
