基于扩展卡尔曼滤波的磷酸铁锂电池SOC估计与噪声补偿研究

本篇论文主要探讨的是计算机系统结构中的State-of-Charge (SOC) 估计问题，特别是在锂离子电池系统，特别是磷酸铁锂电池（LiFePO4 Battery）的应用。研究焦点在于两种不同的算法——扩展卡尔曼滤波(AKF) 和一种噪声补偿的R噪声补偿算法——在条件1下的性能评估。 在图6．2中，展示了在初始状态设置正确且系统测量噪声模型已知的情况下，两种算法的跟随效果。AKF算法表现出良好的稳态误差，约为0.5%，虽然存在轻微的振荡；而R噪声补偿算法的最终稳态误差为0.9%。这表明AKF在精度上略胜一筹，但两种算法都在噪声控制方面达到了预期的效果。 图6-3展示了算法中R和Q参数的变化趋势，R参数对系统模型误差较为敏感，但随着时间的推移，两者最终趋于稳定。这表明算法设计的关键在于如何有效处理和补偿系统模型的不确定性。 论文的核心工作包括两个部分：首先，通过前期对天津力神LR1865EC电池的研究，构建了二阶RC等效电路模型，并通过实验验证其准确性。其次，针对经典卡尔曼滤波在LiFePO4电池SOC估计中的局限性，提出了一种创新的噪声补偿扩展卡尔曼滤波算法。该算法将系统模型误差视为噪声，通过在不同工作电流条件下调整补偿参数，提升了算法的鲁棒性和适应性，能够同时满足高精度的SOC估计和初始值修正的需求。 值得注意的是，论文强调了在实际应用中，噪声补偿算法的局限性在于它依赖于固定的系统噪声模型参数，这意味着在电池工作条件变化时，可能需要重新校准这些参数以保持最佳性能。 这篇论文不仅提供了两种SOC估计算法的具体实施和比较，还探讨了电池系统模型的建模方法以及噪声补偿策略对算法性能的影响，对于深入理解电池管理系统和优化其控制算法具有重要意义。