基于自适应FFRLS和改进CEKF锂电池SOC的估算

锂离子电池荷电状态(SOC)的准确估计是电池管理系统的重要核心技术之一,也是延长电池寿命的关键.但是 SOC的准确实时估计困难,且精度不高.选取以三元锂电池为研究对象,针对EKF在线性化过程中产生的非线性误差,提出改进的补偿扩展卡尔曼算法(compensation for extended Kalman,CEKF).该算法用GA优化的BP神经网络预测k时刻EKF的非线性误差等,从而补偿扩展卡尔曼k时刻的非线性误差等,且用自适应FFRLS对模型参数进行参数辨识,以DST和BBDST进行实验验证.实验结果表明,该算法估算SOC的精度范围在2％左右,且最大误差和平均误差都比EKF小得多,能更加有效追踪SOC的理论值,且该算法估计的SOC稳定性也比EKF稳定.