基于扩展卡尔曼滤波的储能电池能量和功率状态联合估计方法

摘要

电池储能是碳中和目标的有力抓手,准确估计其能量状态(state of energy,SOE)和峰值功率状态(state of power,SOP)是电池储能高效可靠运行的关键和基础。由于电池的电化学反应过程十分复杂,作为隐性状态量的SOE和SOP精确值难以获得。为此,本工作提出了一种基于模型SOE和SOP联合估计方法。应用Thevenin等效电路模型,采用递归最小二乘法建立了在线参数辨识算法,获得准确的模型参数。为解决恒定功率需求下的功率预测难题,提出了多步功率预测法,提高了SOP的预测精度,并结合扩展卡尔曼滤波算法,进一步提出了多状态联合估计方法。实验验证了算法的可行性,结果表明,在存在较大初始误差的情况下,所提出的方法电压、SOE最大预测误差均<2%,实现了准确的SOP预测。