王 露,王顺利,陈 蕾,张 丽,刘小菡
(西南科技大学、信息工程学院自动化系,四川 绵阳 621010)
锂电池荷电状态(state of charge,SOC)的变化为非线性,其受各种因素如电化学反应、温度等影响,无法直接测得,这使得对其准确估算成了一个难题。人们针对非线性估计问题在卡尔曼滤波基础上提出扩展卡尔曼(EKF)、无迹卡尔曼(UKF)等改进算法。EKF用一阶泰勒展开处理非线性问题,UKF不需线性化,利用采样点的概率分布近似状态向量的概率密度函数,但都局限于高斯分布。PF不需定系统和观测噪声为高斯分布,可应用于非线性非高斯模型,优于前述方法。高建树等人[2]在SIR-PF算法上提出了改进估算SOC的PF算法,为电动汽车电池SOC的估算找寻新思路;乌兰花等人[8]在PF权值更新中加入神经网络估计锂电池SOC,取得了更好性能;Xiong R[6]等人采用一种双尺度PF法对不同时间尺度下的系统状态和参数进行了估计预测,有很好稳定性。本文在搭建合适的锂电池等效电路模型基础上,建立基于安时积分和PF修正的SOC估计改进方法,实现算法模拟仿真评估,通过磷酸铁锂电池放电测试数据对算法进行验证。
实现滤波算法的前提工作是选择搭建合适的锂电池等效电路模型。对于不同的研究与应用要求,需要选取不同精度和复杂度的模型。在权衡准确性和复杂度之后,本次实验选用结合RC模型和Thevenin模型的二阶RC模型。如图1所示,其中U oc为电池的开路电压,在特定温度下与SOC呈一定的函数关系。……