Fractional Order Model-based Estimation for State of Charge in Lithium-ion Battery

荷电状态精确估计是锂离子动力电池安全应用的关键技术之一，现有的估计方法并不完全适配锂离子电池系统，在准确性、稳定性和实用性方面均有较大的提升空间。为了准确描述锂离子电池系统动态特性并且提升估计精度与稳定性，提出一种基于分数阶电池模型的自适应扩展卡尔曼粒子滤波方法。在采用免疫遗传算法对锂离子电池分数阶模型进行参数辨识的过程中，应用“记忆库”减小算法计算量，引入“亲和度”缓解算法陷入局部最优解的问题。采用基于模型开发的手段，将提出的控制算法下载到电池管理系统控制器中，经过ECE和UDDS工况测试对比验证：二阶分数阶电路模型的端电压误差最大不超过13.96 mV，平均误差为2.4～4.2 mV，表明分数阶模型对电流的变化更为敏感且更能表现电池的电压变化性能，可以有效保证电池荷电状态的计算精度。提出方法较EKF的荷电状态估计精度提升50%以上，并且收敛时间大大缩短，表明在粒子滤波中引入自适应卡尔曼滤波进行校正，可以滤除噪声、增强估计算法准确性和鲁棒性。