基于EKF-SVSF的锂离子电池SOC和SOH准确估计

提升锂离子电池荷电状态(SOC)估计精度并准确估计健康状态(SOH)对于设计高性能和安全的电池管理系统(BMS)至关重要.以二阶RC锂离子电池电路模型为研究对象,提出了一种由扩展卡尔曼滤波(EKF)算法和平滑可变结构滤波(SVSF)算法组成的混合滤波算法(EKF-SVSF),其中扩展卡尔曼滤波算法用于锂离子电池参数辨识,平滑可变结构滤波算法用于SOC估计,并采用改进的粒子群优化算法(PSO)对混合滤波算法迭代过程中的噪声协方差矩阵进行修正,电池容量实时在线估计的结果用于SOH参数的预测.实验和仿真结果表明,所提出的EKF-SVSF算法对电池的欧姆电阻和容量有一个较好的估计,进一步提升了电池状态的估计精度.