基于EKF和SVSF的滤波器在电动汽车锂离子电池SOC（状态容量）鲁棒估计中的应用：一项比较研究

《IEEE Access》：EKF and SVSF-Based Filters for Robust SOC Estimation of Li-Ion Batteries in Electric Vehicles: A Comparative Study

　　

摘要：

电动汽车目前是汽车市场中减少温室气体排放的主要解决方案。然而，从传统内燃机向电动汽车的转型面临着许多挑战。其中一个挑战是准确估计电池的荷电状态（SOC），因为在电池的瞬态运行过程中无法直接测量其能量。本文进行了一项比较研究，评估了扩展卡尔曼滤波器（EKF）、平滑变结构滤波器（SVSF）（一种鲁棒的滑模状态估计器）以及带有变边界层的平滑变结构滤波器（SVSF-VBL）在存在电压、电流、温度和容量不确定性时的SOC估计性能。麦克马斯特汽车资源中心（MARC）为三星INR21700 30T锂离子电池生成了一个全面的数据集，该数据集包含了一系列实际驾驶循环和特性曲线。研究采用了四阶等效电路模型，其参数是通过混合脉冲功率特性测试数据（HPPC）的曲线拟合得到的。利用遗传算法优化技术，根据四个驾驶循环的测量数据，在不同温度范围内对这三种滤波器进行了调整。研究了各种不确定性来源的影响以及温度变化对结果的影响。总体比较表明，SVSF-VBL的性能优于EKF和标准SVSF，在所有温度值以及各种不确定性和误差条件下，其平均均方根误差（RMSE）仅为SOC的1.43%。