基于自适应卡尔曼滤波的梯次电池荷电状态估算

柴建勇，侯恩广，李岳炀

(1. 山东高速信息集团有限公司，山东济南250101； 2. 山东交通学院轨道交通学院，山东济南250357；3. 济南大学自动化与电气工程学院，山东济南250022)

我国近几年的动力电池产销量已经位居全球前列，这些动力电池在未来几年中将逐步退役，因此研究退役动力电池的梯次利用，对间接降低动力电池成本和解决环境污染问题具有重要的意义[1-3]。

梯次电池处于离线状态，并且单体电池一致性很差，因此需对其性能进行重新测试和评价。国内梯次电池的研究主要集中在退役电池储能应用和基站应用等层面，少数研究涉及了梯次电池的性能测试和评价方法，主要从锂电池电压、内阻、容量、温升等外特性的测试入手，较少提及其全生命周期的电池模型及荷电状态(SOC)的估算[4-11]。

本文中基于自适应卡尔曼滤波算法，提出梯次电池SOC的估算方法。在通用的卡尔曼滤波算法的基础上，引入自适应估计原理，实时估算时变噪声，提高滤波的稳定性，增强自适应特性。

1 梯次电池全生命周期等效模型

本文中采用二阶Thevenin模型作为梯次电池的全生命周期模型，等效电路如图1所示。

UL—梯次电池工作电压； R1、R2—梯次电池的极化内阻； UOC—梯次电池的开路电压； R0—梯次电池的欧姆内阻； C1、C2—等效电容； iL—充放电电流。图1 二阶Thevenin模型等效电路图

由图可以看出，梯次电池全寿命周期模型等效电路的数学表达式为

(1)

(2)

UL=UOC-U1-U2-iLR0，

(3)

梯次电池的全寿命周期模型等效电路的离散状态方程、离散观测方……