본 연구에서는 전기자동차(EV)용 배터리 관리 시스템(BMS)의 정확한 상태충전도(SOC) 추정을 위해 향상된 적응형 강건 언센티드 칼만 필터(Adaptive Robust Unscented Kalman Filter, ARUKF)를 제안한다. 먼저 모델 파라미터의 온라인 식별을 달성하기 위해 확장 칼만 필터(EKF) 알고리즘을 사용한다. 이후 EKF로부터 얻어진 식별 파라미터를 처리하여, ARUKF를 기반으로 다중-혁신 원리에 따라 개발된 다중 혁신 적응형 강건 언센티드 칼만 필터(Multi-Innovation Adaptive Robust Unscented Kalman Filter, MIARUKF)를 통해 배터리의 SOC를 산출한다. 최종적으로 파라미터와 SOC의 동시 추정이 달성된다. 동시추정 알고리즘인 EKF-MIARUKF는 모델 파라미터는 느린 시간 스케일에서 추정하고 SOC는 빠른 시간 스케일에서 추정하는 다중 시간척도 프레임워크를 사용한다. EKF-MIARUKF는 다수의 칼만 필터가 갖는 장점을 통합하고 단일 칼만 필터의 단점을 제거한다. 제안된 알고리즘은 SOC 추정의 평균 제곱근 오차(RMSE)와 평균 절대오차(MAE)가 세 가지 동적 조건에서 모두 가장 작았기 때문에 다른 알고리즘에 비해 정확도가 우수함을 보였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.