基于EKF算法的锂电池SOC估算策略
2021年电子技术应用第3期
崔耕韬，江卫华，涂 炜
武汉工程大学 电气信息学院，湖北 武汉443000
摘要： 在电池管理系统中，电池荷电状态(SOC)的准确估算具有重要的地位，其重要性不仅在于可以向使用者提示电池的剩余电量，更在于它是电池充放电管理和均衡控制管理的基础。而SOC受许多因素的影响，如温度以及电流的大小、方向等，它的准确预测也较困难。提出了一种用扩展卡尔曼滤波(EKF)算法估计锂电池SOC的方法，建立电池仿真模型，通过混合动力脉冲能力特性(HPPC)试验进行了参数辨识。在恒流放电下模型的SOC估算误差约2.1%，说明该模型有效且易于应用。
中圖分類號： TN06；TM912
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200607
中文引用格式： 崔耕韜，江衛(wèi)華，涂煒. 基于EKF算法的鋰電池SOC估算策略[J].電子技術應用，2021，47(3)：36-39.
英文引用格式： Cui Gengtao，Jiang Weihua，Tu Wei. SOC estimation of lithium battery based on extended Kalman filter algorithm[J]. Application of Electronic Technique，2021，47(3)：36-39.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200607
中文引用格式： 崔耕韜，江衛(wèi)華，涂煒. 基于EKF算法的鋰電池SOC估算策略[J].電子技術應用，2021，47(3)：36-39.
英文引用格式： Cui Gengtao，Jiang Weihua，Tu Wei. SOC estimation of lithium battery based on extended Kalman filter algorithm[J]. Application of Electronic Technique，2021，47(3)：36-39.
SOC estimation of lithium battery based on extended Kalman filter algorithm
Cui Gengtao，Jiang Weihua，Tu Wei
School of Electrical Information,Wuhan Institute of Technology，Wuhan 443000，China
Abstract： In the battery management system, the accurate estimation of State of Charge(SOC) has an important position, its impor-
tance is not only to the user prompt battery remaining power, more is that it is the basis of the battery charge and discharge management and balanced control management.And SOC is affected by many factors, such as temperature and current size,direction,etc,so it is difficult to predict it accurately.In this paper, an extended Kalman filter(EKF) algorithm is proposed to estimate the SOC of lithium battery.The battery model was established, and the parameter identification was carried out through the Hybrid Pulse Power Characteristic(HPPC) test.The SOC estimation error of the model is about 2.1% under constant discharge,it shows that the model is effective and easy to apply.
Key words : the lithium battery；EKF algorithm；HPPC test；SOC estimation
0 引言
自20世紀90年代以來，鋰離子電池以其高能量密度和優(yōu)良的充放電性能而受到人們的關注，它也從鉛酸電池和鎳鎘電池中脫穎而出，成為大量應用于各種微型、小型電子產品和電動車中的儲能裝置。因此，對于鋰電池的研究應該先建立其模型，進行混合動力脈沖能力特性(Hybrid PulsePower Characteristic，HPPC)測試，分析其充放電特性。
當前，有多種經典的電池模型：理想等效模型中各參數均為不變量，因此精度較低；Thevenin模型增加了電池極化的影響，但不能反映各參數與荷電狀態(tài)(State of Charge，SOC)之間的關系[1-3]；PNGV模型對Thevenin模型進行了改進，但精度仍較低；RC模型能反映電池內阻、電流對SOC的影響，具有較好的動靜態(tài)特性。
目前，SOC的估算主要有開路電壓測量法、電量累積法、電化學積分法等[4-5]，而卡爾曼濾波算法與其他方法相比具有更高的估算精度，且可以修正系統(tǒng)初始誤差，有效抑制系統(tǒng)噪聲，因此常用于估算電池的SOC。本文提出一種擴展卡爾曼濾波算法，并進行建模仿真，具有很高的精度。
本文詳細內容請下載：http://m.ihrv.cn/resource/share/2000003417
作者信息：
崔耕韜，江衛(wèi)華，涂 煒
(武漢工程大學 電氣信息學院，湖北 武漢443000)
此內容為AET網站原創(chuàng)，未經授權禁止轉載。