"基于分数阶模型的分阶段自适应锂离子电池 SOC 估计方法及应用"

基于分数阶模型的分阶段自适应锂离子电池荷电状态估计是一种新型的电池状态估计方法，该方法利用含有常相位元件（constant phase element，CPE）的分数阶模型来描述电池的充放电动态过程，并通过改进型遗传算法（genetic algorithm，GA）对分数阶模型进行参数辨识，从而增强参数辨识的鲁棒性。在参数辨识过程中，还是用了检测参数的精度，若精度不满足要求则再次进行辨识过程以修正模型参数。最后利用分数阶扩展卡尔曼滤波（extended Kalman filter，EKF）对荷电状态（state of charge，SOC）进行估计。这一系列步骤构成了分阶段自适应SOC估计的方法。 研究结果表明，该方法在动态应力测试（dynamic stress test, DST）、联邦城市行驶工况（federal urban driving schedule, FUDS）以及道路车辆检查和维护工况（inspection and maintenance driving schedule, IMDS）条件下估计的平均误差均不超过1.7%。这意味着，该方法能够准确且可靠地对SOC进行估计，实现了离线参数辨识和在线SOC估计的有机结合。 该方法的提出对于锂离子电池的实际应用具有重要意义。随着电动车辆等新能源汽车的快速发展，对锂离子电池的精准状态估计需求日益增加。而传统的SOC估计方法存在精度不高、鲁棒性差等问题，限制了其在实际应用中的广泛使用。而基于分数阶模型的分阶段自适应SOC估计方法的提出，为解决这一难题提供了一种可行性方案。 该方法的关键创新点包括： 1. 采用了含有常相位元件的分数阶模型，更好地描述了电池的充放电动态过程。 2. 利用改进型遗传算法对分数阶模型进行参数辨识，增强了参数辨识的鲁棒性。 3. 引入了分阶段自适应的思想，对参数进行多次辨识以保证精度。 4. 结合了分数阶扩展卡尔曼滤波对SOC进行估计，提高了估计精度和鲁棒性。 总之，基于分数阶模型的分阶段自适应锂离子电池荷电状态估计方法具有很高的工程应用价值，可以为锂离子电池的精准状态估计提供一种新的思路和方法。随着更多电动汽车和储能设备的投入使用，相信该方法在未来会得到更广泛的应用，并为新能源汽车产业的发展做出重要贡献。