超级电容器荷电状态(SOC)的在线估计：基于不确定偏差补偿的精度提升方法

本文提出了一种考虑不确定偏差补偿的超级电容器(SC)荷电状态(SOC)在线估计方法。通过在三分支RC等效电路模型(ECM)中引入一维偏差项，结合无偏差卡尔曼滤波(KF)和不确定偏差估计器(UBE)的分解算法，有效补偿了模型误差、电流/电压测量误差等不确定偏差对SOC估计的影响。实验证明该方法在多种工况和温度下均能显著提升SOC估计精度，且计算复杂度低、鲁棒性强。

　　

亮点

本研究创新性地将一维偏差项纳入超级电容器(SC)状态空间方程，通过分解扩展估计算法构建无偏差卡尔曼滤波(KF)和不确定偏差估计器(UBE)，实现了对模型误差和传感器噪声的主动补偿。

模型构建

采用三分支RC模型精确描述SC的动态特性，其非线性电压变化（如充电终止后的短暂压降）通过8参数状态空间方程表征。模型误差主要源于参数时变性和电荷重分布效应。

偏差补偿方法

传统联合估计算法因高维参数易陷入局部最优。本研究通过偏差项观测和KF算法解耦，将UBE估计的偏差电压与无偏差KF的SOC结果叠加，显著降低计算复杂度。

实验验证

在-20°C至60°C温度范围内测试不同偏差场景：

1. 1.

   无采样误差时，SOC估计误差<1.5%

2. 2.

   叠加10%电流噪声后，UBE补偿使误差从8.2%降至2.7%

3. 3.

   电压传感器偏移200mV时，补偿后误差降低76%

结论

所提方法通过实时偏差观测与补偿，将多种不确定偏差对SOC的影响转化为可量化的电压残差，为高噪声环境下的SC管理系统提供了轻量化解决方案。