常规LiFePO_4动力电池组SOC(state of charge)估计方法难以同时满足复杂工况下SOC预测的可靠性与初值不敏感性,为解决该问题,提出一种针对电池组工况特性下的扩展卡尔曼滤波算法。该算法基于电池组工况放电特性,提取其特征参数并进行模式分类,根据在电池充放电时不同参数与区间,对卡尔曼滤波模型进行动态参数补偿,加快SOC向真值的收敛速度,并减少SOC估计误差,实现算法对SOC估计初值的不敏感性。最后使用美国机车工况测试UDDS标准模型,对实际采集的电池模型进行仿真实验,其结果验证了所提出的算法可行性和有效性。
