Estimativa do Estado de Carga de Baterias de Íon-Lítio com Filtro de Kalman de Diferença Central de Raiz Quadrada Adaptativo

Resumo Baterias de íon-lítio têm sido uma importante fonte de energia em veículos elétricos devido à sua forte adaptabilidade nas condições de operação. A estimativa precisa do estado de carga (SOC) para baterias de íon-lítio pode melhorar de forma eficiente a utilização da energia da bateria. No entanto, a estimativa do SOC é complicada em condições de operação com parâmetros de modelo desconhecidos. Este estudo propõe um algoritmo de filtro de Kalman de diferença central de raiz quadrada adaptativo (ASRCDKF) baseado no modelo de circuito equivalente para alcançar uma estimativa de SOC de alta precisão. Em primeiro lugar, para evitar um teste de tensão de circuito aberto, um filtro de Kalman linear é construído para realizar a estimativa em tempo real de parâmetros desconhecidos na equação de medição. Em seguida, para melhorar a estabilidade do algoritmo, um método de raiz quadrada é utilizado para garantir que a matriz de covariância do erro seja semi-definida positiva, com base no algoritmo de filtro de Kalman de diferença central adaptativa. Os parâmetros do modelo são considerados como o estado a ser estimado, e a estimativa conjunta dos parâmetros do modelo e do SOC é realizada por um algoritmo ASRCDKF. Após isso, o filtro de Kalman linear é acoplado ao ASRCDKF para realizar a estimativa precisa do SOC nos casos em que tanto a equação de estado quanto a equação de medição incluem parâmetros desconhecidos. Por fim, o algoritmo ASRCDKF é comparado com o algoritmo de filtro de Kalman de diferença central adaptativa e com o algoritmo de filtro de Kalman de cubatura adaptativa sob dois conjuntos de condições operacionais. Os resultados mostram que a estimativa de SOC do algoritmo ASRCDKF é significativamente mais precisa do que outros algoritmos em diferentes condições operacionais.