窗口自适应扩展卡尔曼滤波

SOC估计误差骤降

融合随机森林-LASSO与窗口自适应扩展卡尔曼滤波，SOC估计峰值误差显著降低，高精度优于传统方法。

Chunfei, Gu · Ni, Lianghua · Xinxiang, Tian · Fan, Chuanxin

Journal of Energy Storage 2025

参数信息

最大SOC估计误差

<1 %

峰值误差降幅

58.73 %

峰值误差降幅

57.53 %

技术优势

低误差

在DST和FUDS工况下，最大SOC估计误差均小于1%，满足高精度应用需求。

误差降幅大

与常规AEKF相比，在DST和FUDS工况下峰值误差分别降低58.73%和57.53%。

适应动态负载

引入的数据驱动RF-LASSO模型能够补偿WVAEKF在动态负载条件下的估计误差，提高鲁棒性。

应用场景

• 电池管理：为电池管理系统提供高精度SOC估计，提升安全和效率。
• SOC估计：在动态工况下实现误差低于1%的SOC估计。
• 锂离子电池：面向锂离子电池，解决其SOC估计精度问题。
• 电动汽车：满足电动汽车动态驾驶工况下的SOC准确估计需求。
• 状态监测：提供电池状态监测中的关键SOC信息。