基于双无迹卡尔曼滤波的锂电池SOC估算

邹 琳，刘佳俊，马国庆，郎锦峰

(武汉理工大学机电工程学院，湖北武汉 430070)

锂电池凭借着高能量密度和寿命长等优势被广泛应用于电动汽车[1]，为了使电动汽车安全高效地运行，准确估算电池荷电状态(SOC)至关重要。

目前，国内外学者提出了许多SOC估算的方法，如安时积分法[2]、开路电压法[3]和内阻法[4]等传统算法。虽然这些方法易于实现，但安时积分法会产生累积误差从而降低SOC估算精度；而电池开路电压需要长时间静置才能准确获得，因此开路电压法不适用于电动汽车行驶状态。为解决传统算法缺陷，近年来，Piller 和Plett 等提出了卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)算法[5-6]。但是，KF、EKF 采用泰勒一阶公式对非线性系统线性化，忽略了高阶项，这会降低非线性电池系统的估算精度。因此，学者们提出了无迹卡尔曼滤波(UKF)算法。文献[7-8]证明了UKF 比EKF 具有更高的估计精度和更少的计算负担，但是它们采用的都是最小二乘法(RLS)进行参数辨识。基于上述问题，本文采用基于双UKF的电池参数辨识和SOC联合估算的方法，通过恒流和动态应力测试(DST)工况验证了所提方法对于SOC估算的准确性和稳定性，并通过不同初始误差验证所提方法的鲁棒性。模型(ECM)由于易于实现且具有足够精度而被广泛采用。本文采用如图1 所示的电池模型，其中UOCV为开路电压，Ut为端电压，R0为欧姆电阻，Rp1、Cp1为电化学极化内阻和极化电容，Rp2、Cp2为浓差极化电阻和极化电容。

图1 二阶RC 电池模型

由基尔霍夫定律可得：

式中：IL为电池电流；Up1与Up2分别为Rp1Cp1和Rp2Cp2并联网络的电压。……