基于ARWLS和AUKF的锂电池SOC估计

精确估计锂电池荷电状态（SOC）对纯电动汽车的安全稳定行驶有着深远影响，对锂电池SOC状态的估计主要有参数辨识算法和SOC估计算法两个热点问题。针对辨识过程中出现的“数据饱和”现象以及锂电池SOC状态估计时的滤波发散问题，文章提出了自适应遗忘因子递推最小二乘法（ARWLS）-自适应无迹卡尔曼滤波（AUKF）联合算法。首先建立了二阶R-C锂电池数学模型，并针对传统最小二乘法在参数辨识过程中出现的“数据饱和”现象，引入了自适应遗忘因子动态修正新旧数据权重，提升在线参数辨识的准确度以及效率。其次，针对无迹卡尔曼滤波存在的滤波失效问题，提出了自适应无迹卡尔曼滤波算法来自适应调整系统噪声和观测噪声，从而提高SOC估计时的适应性和鲁棒性。最后在混合动力脉冲能力特性（HPPC）工况下对扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）和AUKF三种SOC估计算法进行仿真比较，仿真结果表明，AUKF算法估计的SOC曲线跟随SOC真实值曲线变化的性能最好，估计精度也优于其他两种算法，具有更小的估计误差，收敛性也最好。