AUKF电池SOC估计多种工况实验验证 基于自适应无迹卡尔曼滤波的电池电量估计MATLAB程序基于AUKF的SOC估计注释详细。 采用二阶RC模型基于误差窗口统计的自适应调节方法后面有文献截图。 使用三项实验数据对AUKF进行了验证估计结果及误差见附图。 三项实验如下 1Z客户21700型锂电池DST工况实验 2Z客户21700型锂电池FUDS工况实验 318650锂电池知名开源电池数据 内容包括AUKF-SOC程序附图对应的三种测试的电池数据和参考文献程序到手可运行附图结果均可运行得到算法公式可参考文献。 程序没有电池参数辨识和OCV-soc曲线拟合功能。最近在研究电池SOCState of Charge电池荷电状态估计发现自适应无迹卡尔曼滤波AUKF在这个领域表现相当不错。于是我基于MATLAB写了一个AUKF的SOC估计程序顺便用了几组实验数据来验证效果。今天就来分享一下这个程序和一些实验结果。程序结构首先程序的核心是基于二阶RC模型的AUKF算法。二阶RC模型是电池建模中常用的方法它能够较好地模拟电池的动态特性。AUKF则是在无迹卡尔曼滤波UKF的基础上加入了自适应机制能够根据误差窗口统计动态调整滤波参数提高估计精度。AUKF电池SOC估计多种工况实验验证 基于自适应无迹卡尔曼滤波的电池电量估计MATLAB程序基于AUKF的SOC估计注释详细。 采用二阶RC模型基于误差窗口统计的自适应调节方法后面有文献截图。 使用三项实验数据对AUKF进行了验证估计结果及误差见附图。 三项实验如下 1Z客户21700型锂电池DST工况实验 2Z客户21700型锂电池FUDS工况实验 318650锂电池知名开源电池数据 内容包括AUKF-SOC程序附图对应的三种测试的电池数据和参考文献程序到手可运行附图结果均可运行得到算法公式可参考文献。 程序没有电池参数辨识和OCV-soc曲线拟合功能。程序的主要部分如下function [SOC_est, P] AUKF_SOC_Estimation(V, I, T, Q, R, P0, SOC0, dt) % 初始化 x SOC0; % 初始SOC P P0; % 初始协方差 SOC_est zeros(length(V), 1); % 存储估计的SOC % AUKF主循环 for k 1:length(V) % 预测步骤 [x_pred, P_pred] predict(x, P, I(k), Q, dt); % 更新步骤 [x, P] update(x_pred, P_pred, V(k), R); % 存储估计结果 SOC_est(k) x; end end这个函数是AUKF的核心predict和update分别对应预测和更新步骤。predict步骤根据电流和电池模型预测SOCupdate步骤则根据测量电压来修正预测值。实验数据为了验证AUKF的效果我用了三组实验数据Z客户21700型锂电池DST工况实验DSTDynamic Stress Test是一种动态应力测试能够模拟电池在实际使用中的复杂工况。Z客户21700型锂电池FUDS工况实验FUDSFederal Urban Driving Schedule是联邦城市驾驶循环模拟城市驾驶中的电池使用情况。18650锂电池知名开源电池数据这组数据来自一个开源电池数据库包含了18650锂电池在不同工况下的测试数据。实验结果运行程序后得到了三组实验的SOC估计结果。从图中可以看出AUKF在三种工况下都能较好地跟踪电池的实际SOC估计误差较小。% 绘制SOC估计结果 figure; plot(time, SOC_true, b, LineWidth, 1.5); hold on; plot(time, SOC_est, r--, LineWidth, 1.5); xlabel(Time (s)); ylabel(SOC); legend(True SOC, Estimated SOC); title(SOC Estimation using AUKF); grid on;这张图展示了真实SOC和估计SOC的对比红色虚线是AUKF的估计结果蓝色实线是真实SOC。可以看到AUKF的估计结果与真实值非常接近。误差分析为了进一步分析AUKF的性能我计算了估计误差的均方根RMSE和平均绝对误差MAE。结果显示AUKF在三种工况下的RMSE和MAE都较低说明其估计精度较高。% 计算RMSE和MAE RMSE sqrt(mean((SOC_true - SOC_est).^2)); MAE mean(abs(SOC_true - SOC_est)); fprintf(RMSE: %.4f, MAE: %.4f\n, RMSE, MAE);总结通过这次实验我发现AUKF在电池SOC估计中表现非常出色尤其是在动态工况下能够很好地跟踪电池的实际状态。当然这个程序还有一些可以改进的地方比如加入电池参数辨识和OCV-SOC曲线拟合功能这可能会进一步提高估计精度。如果你对电池SOC估计感兴趣不妨试试这个程序代码和实验数据都在这里拿到手就能运行。希望这篇文章对你有所帮助也欢迎大家一起讨论和改进。