电流信号采样偏差下动力电池荷电状态估计研究

摘要

电动汽车电池管理系统实际运行的过程中,电流信号易受到有色噪声的干扰而产生信号采样偏差,这会造成荷电状态(State of charge,SOC)估计精度的急剧下降。针对该问题,分析电流信号分别在两种不同类型的有色噪声干扰下的SOC估计问题,提出一种三层组合估计结构用于同时实现电流采样信号的校正、电池模型参数的在线更新以及SOC的高精度估计。该组合结构首先基于状态扩维后二阶RC等效电路模型,并利用自适应重组遗传算法(Adaptive recombination genetic algorithm,ARGA)辨识出模型参数,由自适应平方根容积卡尔曼滤波(Adaptive square root cubature Kalman filter,ASRCKF)算法在线校正产生偏差的电流信号;然后基于校正后的电流信号和二阶RC模型,通过偏差补偿遗忘因子递推最小二乘(Bias compensation recursive forgetting-factor least squares,BCFRLS)算法与ASRCKF算法相结合进行协同估计,实现模型参数和SOC值的在线更新。最后在DST工况下进行验证,试验和仿真结果表明,在电流信号中掺杂有色噪声信号而产生采样偏差时,所提出的组合估计结构仍能保证SOC估计的高精度性,其平均相对误差可维持在1%以下。