基于COA-ASRCKF的单液流锌镍电池SOC估计

宋春宁，苏有平，莫伟县，郑少耿

(广西大学电气工程学院，广西 南宁 530004 )

单液流锌镍电池的结构简单、循环寿命长、能量转换效率高、功率可灵活设置，且没有离子交叉污染，在应急电源系统、电站储能和智能电网等方面，具有潜在的应用前景[1]。

荷电状态(SOC)是电池状态的重要指标之一，准确估计电池SOC，既是电池管理系统的基本要求，也可提高电池的使用效率，避免过度充放电对电池的损坏[2]。卡尔曼滤波算法基于电池的状态空间模型，通过递推迭代估计SOC，对状态初始值误差有很强的修正作用，还可根据系统观测量，不断修正估算的系统状态量，对系统噪声的抑制作用较强[3]。文献[4]使用近似二阶扩展卡尔曼滤波(ASEKF)对锂离子电池进行SOC估计，误差估算精度小于2%。文献[5]基于H∞滤波器(HIF)在线估计电池模型参数，并使用无迹卡尔曼滤波(UKF)估计电池SOC，提出应用于电动汽车运行工况下SOC估计的HIF-UKF算法。文献[6]在容积卡尔曼滤波(CKF)的基础上，增加实时自适应修改过程噪声协方差Q和量测噪声协方差R的功能，提出了自适应容积卡尔曼滤波(ACKF)，用于锂离子电池SOC估计。CKF[6]是电池SOC估计的常用方法，但在迭代过程中存在破坏协方差对称性和正定性的敏感操作，从而导致算法终止[7]，且不更新量测噪声协方差R会造成估算误差累积，因此，要根据经验来设定过程噪声协方差Q、量测噪声协方差R和状态误差协方差P。

本文作者在CKF算法中增加平方根滤波，确保协方差在迭代过程中保持正定性，对量测噪声协方差R进行自适应更新，提出自适应平方根容积卡尔曼滤波(ASRCKF)算法；……