基于RLS和UKF算法的鋰電池SOC估算研究

劉潤琴 曾富豪 黃登高

摘 要：電池的荷電狀態(tài)估計是鋰電池管理系統(tǒng)重要的參數(shù)之一，在電池能量優(yōu)化，電池安全及系統(tǒng)可靠性優(yōu)化方面發(fā)揮著重要的作用。文章以二階Thevenin等效電路作為電池模型，通過遞推最小二乘法（RLS）對電池參數(shù)進行辨識，采用無跡卡爾曼濾波算法估計電池的SOC（State of charge）。并將估計的結(jié)果與試驗測量結(jié)果進行比較，仿真結(jié)果顯示，RLS與UKF的聯(lián)合估計方法可有效估計電池的SOC值，使估算偏差值基本保持在2% 以內(nèi)。

關(guān)鍵詞：電池SOC;最小二乘法;無跡卡爾曼算法

中圖分類號：U469.7 ?文獻標(biāo)識碼：A ?文章編號：1671-7988（2019）12-12-03

Abstract： Battery state estimation is one of the most important decision parameters for lithium battery energy management. It plays an important role in improving battery energy utilization， ensuring battery safety and enhancing system reliability. In this paper， the second-order Thevenin equivalent circuit was used as the battery model. The battery parameters are identified by the recursive least squares （RLS） method， and the SOC （State of charge） is estimated by the unscented Kalman filter algorithm. The estimated results are compared with the experimental measurements. The simulation results show that the joint estimation method of RLS and UKF can effectively estimate the SOC value of the battery， and the estimation deviation is kept within 2%.

Keywords： battery SOC; least square method; Unscented Kalman Filter

CLC NO.： U469.7 ?Document Code： A ?Article ID： 1671-7988（2019）12-12-03

引言

高精度的SOC估計不僅可提高電池剩余能量的信息，也可增加電池的可靠性。目前，國內(nèi)外研究學(xué)者對電池SOC估算方法進行了大量研究，提出了很多解決方法。包括安時積分法、內(nèi)阻法、卡爾曼濾波法等，但各種方法都有利弊，例如，安時積分法雖簡單可靠，但精度不高[1]。隨著各種算法不斷改進，使得SOC的估計精度不斷提高，但估計精度依賴于電池模型精度。本文采用UKF結(jié)合RLS估算電池的SOC，UKF是卡爾曼的延伸算法，可降低EKF線性化的誤差。

1 鋰離子電池模型

3 仿真結(jié)果與分析

基于以上分析，采用Simulink搭建仿真模型進行驗證。本文采用室溫條件下的HPPC工況來驗證模型的效果，試驗采用的是三元鋰電池包，脈沖放電電流的大小為148A、充電電流110A，放電電流為37A，采樣周期1s。其放電測試脈沖特性曲線如圖5所示。初始條件設(shè)置如表1。

圖6為根據(jù)本文構(gòu)建的遞推最小二乘法辨識出的電池參數(shù)，從圖中可看出，模型參數(shù)在放電的過程中參數(shù)的變化，與最小二乘法擬合得到的模型參數(shù)變化情況基本相符。

圖7為RLS與UKF算法、安時積分法與真實值的對比結(jié)果。圖8為估計誤差。從圖可知，與安時積分法相比，基于RLS與UKF的算法可以很好的估算電池SOC，其估計誤差基本維持在2%左右。

4 結(jié)論

本文以二階 Thevenin等效電路作為電池模型，采用RLS與UKF相結(jié)合的算法估算電池的SOC。Matlab的仿真結(jié)果顯示，該方法與安時積分法相比，對電池SOC的估算精度較高。

參考文獻

[1] 鄧濤，孫歡.鋰離子電池新型 SOC安時積分實時估算方法[J].重慶理工大學(xué)學(xué)報（自然科學(xué)），2015，16（1）：101-106Ss.

[2] 王建南，張奎，荀錦錦.電動汽車電池SOC的估計[J].安徽理工大學(xué)學(xué)報（自然科學(xué)版） 2018，38（02）：22-27.

[3] 黑文潔.基于等效電路模型的鋰離子電池模型參數(shù)辨識算法對比研究[D].長安大學(xué)，2018.

[4] 張禹軒.電動汽車動力電池模型參數(shù)在線辨識及SOC估計[D].吉林大學(xué)，2014.

[5] 謝廣.基于無跡卡爾曼濾波的磷酸鐵鋰電池soc估算研究[D].合肥工業(yè)大學(xué)，2015.