基于自适应平方根秩滤波算法的锂电池SOC估计OA

锂电池荷电状态SOC(state-of-charge)的估计性能对电池管理系统起着至关重要的作用。采用带遗忘因子的递推最小二乘法辨识电池模型参数,针对现有SOC估计算法中滤波器的采样不能很好地模拟系统状态概率分布的问题,引入秩采样方法,提出自适应平方根秩滤波算法,以平方根形式对系统状态的协方差矩阵进行迭代更新,且每次迭代依据新息自适应地调整观测噪声,以提高SOC的估计精度及其对噪声的自适应能力。通过在联邦城市驾驶FUDS(federal urban driving schedule)和动态压力测试DST(dynamic stress test)工况下的仿真实验来验证所提算法的性能,结果表明,所提算法与扩展卡尔曼滤波、无迹卡尔曼滤波及秩滤波相比,在收敛速度和估计精度方面均有所提升。