基于数据驱动EKF算法的电动汽车及插电式混合动力汽车动力电池SOC估计

摘要

cqvip:电池荷电状态(SOC)估计一直是动力电池和新能源汽车(含电动汽车(EV)、插电式电动汽车(PDEV)等)领域的研究热点。本文针对传统EKF(扩展卡尔曼滤波)算法对于动力电池模型精确性要求与全生命周期内的动态性要求之间的矛盾问题,提出了一种基于数据驱动EKF算法的SOC估计方法。该方法的创新之处在于:数据驱动的EKF动力电池SOC估计可以在动力电池内部参数未知的情况下,利用可观测的端电压和电流数据,实现动力电池SOC的在线准确估计。通过将基于数据的SOC估算方法与基于模型的SOC估计算法有效结合,有效避免了传统基于数据的SOC估计算法的累积误差问题以及基于模型的SOC估计算法对于电池模型精度的依赖性,使其更加适用于环境复杂多变(例如EV和PHEV)的动力电池全生命周期SOC估算。实验结果表明,本文所提出的基于数据驱动的EKF动力电池SOC估计算法具有更好的鲁棒性和实用性。