Estimación del Estado de Carga de Sistemas de Almacenamiento de Energía de Baterías Basada en un Filtro de Kalman Sin Muestras Adaptativo con un Estimador de Estadísticas de Ruido

Dado que las estadísticas de ruido de los sistemas de almacenamiento de energía de baterías a gran escala (BESS) a menudo son desconocidas o inexactas en aplicaciones reales, la precisión de la estimación del estado de carga (SOC) de los BESS utilizando el filtro de Kalman extendido (EKF) o el filtro de Kalman sin muestras (UKF) suele ser inexacta o incluso divergente. Para resolver este problema, se propone un método basado en el UKF adaptativo (AUKF) con un estimador de estadísticas de ruido para estimar con precisión el SOC de los BESS. El estimador de estadísticas de ruido basado en el máximo a posteriori modificado de Sage-Husa tiene como objetivo estimar de manera adaptativa la media y la covarianza del error de las mediciones y los ruidos del proceso del sistema en línea para el AUKF cuando las estadísticas de ruido previas son desconocidas o inexactas. La precisión y adaptación del método propuesto se valida mediante la comparación con el UKF y el EKF bajo diferentes condiciones en tiempo real. La comparación muestra que el método propuesto puede lograr una mejor precisión en la estimación del SOC cuando las estadísticas de ruido de los BESS son desconocidas o inexactas.