基于Thevenin模型和自适应卡尔曼的SOC估算研究

李 欢，王顺利，邹传云，李建超，谢 伟

(1.西南科技大学信息工程学院，四川 绵阳 621010；2.绵阳市产品质量监督检验所(国家电器安全质量监督检验中心)，四川 绵阳 621010；3.四川华泰电气股份有限公司，四川 遂宁 629000)

0 引言

荷电状态(state of charge，SOC)[1]主要用来表示电池的剩余容量，是指电池以一定放电倍率放电后，电池剩余容量与相同条件下额定容量的比值[2]。通过已知的剩余容量可以规划出电池的使用策略，从而通过调整电压、电流的方式，实现锂电池以最佳工况运行和达到最长使用寿命的目标。因此，荷电状态的实时准确估算将对电池管理提供显著的帮助。然而，锂电池本身内部结构复杂，荷电状态自身受放电电流、自放电效应[3]、内部温度、外部环境温度和电池自身老化等各种复杂因素的影响，使得精确估算SOC值变得十分困难。目前，SOC估算方法有安时积分法[4]、开路电压法[5]、神经网络法[6]、卡尔曼滤波[7]等。

本文以三元锂电池为试验研究对象。为了更加精确地描述电池工作特性，建立基于Thevenin的锂电池电路模型，采用自适应卡尔曼算法对锂电池进行SOC估算，并将其估算结果与扩展卡尔曼进行比较，分析其优势。

1 理论分析

1.1 等效电路模型

为了更好地描述电池的迟滞效应[8]，并且考虑到电池极化效应[9]和自放电效应，本文将应用Thevenin模型[10]为等效电路模型。该模型结构精简，其中阻容并联电路刚好能表征电池的动态特性，参数辨识的难度适中，完全能满足对电池等效模型的精度要求。模型中只有一阶电阻-电容(resistor-capacitance,RC)电路，结构简单、运算量小。……