基于混合卡尔曼滤波和H∞滤波的动力电池SOC估计

摘要

动力电池荷电状态(SOC)估计是动力电池管理系统(BMS)中的关键技术和难点.近年来,基于模型的扩展卡尔曼滤波法(EKF)和H∞滤波法(HIFF)因具有更好的估计性能备受关注.首先选取了常用的Thevenin模型,改进了常用带遗忘因子的递推最小二乘(RLS)参数辨识方法,提出了偏差补偿递推最小二乘法(BCRLS),对数据的有色噪声有很好的抑制作用.然后设计了一种混合EKF/HIFF算法,该算法综合两种算法的优点,拥有更高的精度和更强的鲁棒性,实现了参数和状态的联合估计,有效提高了实车应用的可能.最后利用电池工况试验验证了算法可靠性.