《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 测试测量 > 设计应用 > 基于AEKF的锂离子电池SOC估算
基于AEKF的锂离子电池SOC估算
2023年电子技术应用第4期
王祥，苏建徽，赖纪东，周晨光，苏志鹏
（合肥工业大学 光伏系统教育部工程研究中心，安徽 合肥 230009）
摘要： 针对拓展卡尔曼滤波（Extended Kalman Filter， EKF）算法进行锂离子电池荷电状态（State of Charge， SOC）估算时噪声信息固定从而导致估算精度低的问题，提出噪声信息协方差能够自动匹配的自适应拓展卡尔曼滤波（Adaptive Extended Kalman Filter， AEKF）算法。首先基于电池的双极化（Dual Polarization， DP）等效电路模型进行参数辨识，建立精确的等效模型；然后在动态应力测试（Dynamic Stress Test， DST）工况下对比了EKF滤波算法与AEKF滤波算法噪声协方差矩阵变化情况以及对电池SOC的估算效果，结果表明AEKF滤波算法具有更高的估算精度；最后设置了几组不同的SOC初始偏差，验证了AEKF滤波算法在估算电池SOC时具有鲁棒性强的优点。
中圖分類號：TM912
文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.223341
中文引用格式： 王祥，蘇建徽，賴紀東，等. 基于AEKF的鋰離子電池SOC估算[J]. 電子技術(shù)應(yīng)用，2023，49(4)：57-62.
英文引用格式： Wang Xiang，Su Jianhui，Lai Jidong，et al. SOC estimation of lithium-ion battery based on AEKF[J]. Application of Electronic Technique，2023，49(4)：57-62.
SOC estimation of lithium-ion battery based on AEKF
Wang Xiang，Su Jianhui，Lai Jidong，Zhou Chenguang，Su Zhipeng
(Engineering Research Center of Ministry of Education of Photovoltaic System， Hefei University of Technology， Hefei 230009， China)
Abstract： Aiming at the problem that the noise information is fixed when the extended Kalman filter(EKF) algorithm estimates the state of charge(SOC) of lithium-ion battery, resulting in low estimation accuracy, an adaptive extended Kalman filter(AEKF) algorithm with automatic matching of noise information covariance is proposed. Firstly, the parameters are identified based on the dual polarization (DP)equivalent circuit model of the battery, and an accurate equivalent model is established. Then, the variation of noise covariance matrix of EKF filtering algorithm and AEKF filtering algorithm and the estimation effect of battery SOC are compared under dynamic stress test(DST) conditions. The results show that AEKF filtering algorithm has higher estimation accuracy. Finally, several groups of different SOC initial deviations are set to verify the strong robustness of AEKF filtering algorithm in estimating battery SOC.
Key words : lithium-ion battery；state of charge estimation；dual polarization equivalent circuit model；adaptive extended Kalman filter

0　引言

近年來，鋰離子電池以能量密度高、無記憶效應(yīng)、工作電壓高等優(yōu)點在電動汽車等領(lǐng)域已獲得普遍認可。鋰離子電池是一個復(fù)雜的電化學系統(tǒng)，使用不當會加速老化過程以及影響安全性能，為了有效避免電池過充和過放，提高電池的安全性和使用壽命，電池SOC的精確估算尤為重要。然而SOC是電池內(nèi)部的狀態(tài)量，不能直接測量得到，但可以通過僅有的電流、電壓、溫度信息進行估算，因此基于電池外特性的SOC精確估算方法成為研究熱點。

當下，鋰離子電池SOC估算方法主要包括開路電壓法、安時積分法、神經(jīng)網(wǎng)絡(luò)法、基于模型的卡爾曼類濾波方法等。開路電壓法容易受到不確定因素的干擾，如溫度、電池的老化程度、靜置時間等。安時積分法需要通過其他方法獲取初值，電流測量精度直接影響估算效果，精度過低會造成一定的累積誤差。神經(jīng)網(wǎng)絡(luò)法需要大量和全面的數(shù)據(jù)進行訓練，數(shù)據(jù)的數(shù)量和質(zhì)量以及訓練方法都會對估算效果產(chǎn)生較大的影響?；谀Ｐ偷目柭悶V波算法需要依賴精確的等效模型，此外初值的選取也很重要。XU等在基于鋰離子電池等效模型的基礎(chǔ)上，采用在線辨識模型參數(shù)和無跡卡爾曼濾波算法進行鋰離子電池的SOC估算，平均估算誤差在2%左右。施輝偉等在Thevenin模型的基礎(chǔ)上使用拓展卡爾曼濾波算法實現(xiàn)了在不同溫度、放電倍率和初始誤差下對電動汽車電池SOC的精準估算。Almaita等提出了長短期記憶神經(jīng)網(wǎng)絡(luò)模型，對鋰離子電池的SOC進行估算，最大估算誤差小于0.62%。然而以上研究均未考慮噪聲對估算精度的影響，存在一定的局限性。

本文針對拓展卡爾曼濾波算法進行鋰離子電池SOC估算時過程噪聲和觀測噪聲固定不變的問題，提出一種基于等效模型的自適應(yīng)拓展卡爾曼濾波算法，在拓展卡爾曼濾波算法的基礎(chǔ)上引入觀測噪聲信息和過程噪聲信息協(xié)方差匹配環(huán)節(jié)，能夠有效提高鋰離子電池SOC的估算精度。



本文詳細內(nèi)容請下載：http://m.ihrv.cn/resource/share/2000005283




作者信息：

王祥，蘇建徽，賴紀東，周晨光，蘇志鵬

（合肥工業(yè)大學 光伏系統(tǒng)教育部工程研究中心，安徽 合肥 230009）


微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容