时变温度环境下锂离子电池自适应SOC估计方法

目的针对低温环境下锂离子电池特性显著变化问题,为大规模锂离子电池组在极地科考船混合动力系统上的应用提供理论依据,方法对10 Ah高功率三元镍钴锰酸锂电池低温特性展开实验研究,结合实验数据,利用基于遗忘因子的递推最小二乘算法(FFRLS)分别与两种改进的卡尔曼滤波算法(AEKF、UKF)组成的串联观测器在线估计电池荷电状态(SOC)。结果在25～-30℃时变温度环境的改进DST工况下,FFRLS-AEKF算法的SOC估计精度略高于FFRLS-UKF算法,其最大估计误差为3.04%,均方根误差为0.69%。结论相比EKF与RLS-EKF算法,更好的模型参数与噪声信息的自适应性使FFRLS-AEKF算方法有更高的SOC估计精度与收敛性。