一种融合在线辨识与自适应算法的电池SOC预测方法

本发明公开一种融合在线辨识与自适应算法的电池SOC预测方法，涉及动力电池监控技术领域，旨在解决电动汽车动力电池在动态工况下SOC预测精度不足的问题。预测方法包括：获取锂电池充放电实验数据，建立双极化等效电路模型来模拟电池内部的强非线性行为，基于实验数据拟合OCV‑SOC曲线；利用基于网格搜索‑实时电压差改进的遗忘因子递归最小二乘法进行等效电路模型的在线参数辨识；在线参数辨识联合自适应拓展卡尔曼滤波算法进行SOC预测；通过混合脉冲功率特性测试工况下验证提出的预测算法。本发明显著提高SOC预测的精确性与实时性，具有广泛的应用前景。