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。
中图分类号： TN06；TM912
文献标识码： A
DOI：10.16157/j.issn.0258-7998.200607
中文引用格式： 崔耕韬，江卫华，涂炜. 基于EKF算法的锂电池SOC估算策略[J].电子技术应用，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.
文献标识码： A
DOI：10.16157/j.issn.0258-7998.200607
中文引用格式： 崔耕韬，江卫华，涂炜. 基于EKF算法的锂电池SOC估算策略[J].电子技术应用，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世纪90年代以来，锂离子电池以其高能量密度和优良的充放电性能而受到人们的关注，它也从铅酸电池和镍镉电池中脱颖而出，成为大量应用于各种微型、小型电子产品和电动车中的储能装置。因此，对于锂电池的研究应该先建立其模型，进行混合动力脉冲能力特性(Hybrid PulsePower Characteristic，HPPC)测试，分析其充放电特性。
当前，有多种经典的电池模型：理想等效模型中各参数均为不变量，因此精度较低；Thevenin模型增加了电池极化的影响，但不能反映各参数与荷电状态(State of Charge，SOC)之间的关系[1-3]；PNGV模型对Thevenin模型进行了改进，但精度仍较低；RC模型能反映电池内阻、电流对SOC的影响，具有较好的动静态特性。
目前，SOC的估算主要有开路电压测量法、电量累积法、电化学积分法等[4-5]，而卡尔曼滤波算法与其他方法相比具有更高的估算精度，且可以修正系统初始误差，有效抑制系统噪声，因此常用于估算电池的SOC。本文提出一种扩展卡尔曼滤波算法，并进行建模仿真，具有很高的精度。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003417
作者信息：
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)
此内容为AET网站原创，未经授权禁止转载。