自适应卡尔曼对储能锂电池充放电状态的估算

宋 琴，王顺利，于春梅

(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 621000；3.四川华泰电气股份有限公司，四川 遂宁 629000)

0 引言

工业时代，锂电池已成为了当前新能源汽车的主要动力来源[1]。卡尔曼滤波(Kalman filter，KF)算法以最小均方误差为最佳估计准则，采用信号与噪声的状态空间模型[2]，建立模型的状态方程和观测方程，推导出状态变量和观测变量之间的关系[3]，并采用前一时刻的估计值和当前时刻的观测值来更新状态变量[4]。但是，在采样过程中，未知噪声干扰采样信号[5]。自适应卡尔曼滤波(adaptive Kalman algorithm,AKF)在采用测量数据进行滤波时，会不断地由滤波本身判断系统的动态变化[6-7],对模型参数和噪声统计特性进行估计和修正，以此改进滤波设计、缩小实际误差[8-9]。在恒流放电工况下进行仿真验证，采用1 C倍率的恒定电流对锂电池进行完全放电试验，并由混合动力脉冲能力特性(hybrid pulse power characteristic,HPPC)试验得到电池工作状态的内部参数[10]。

1 理论分析

1.1 等效电路模型

Thevenin等效电路模型如图1所示。

图1 Thevenin等效电路模型

在锂电池的芯片系统(system on a chip,SOC)估计过程中，电池等效模型的建立起着重要的作用。Rint模型包括理想电压源和电池内阻，没有考虑电池的极化特性，而电池在进行过放电和循环放电的过程中，会进行大电流放电产生电池极化，由此估算的SOC值精度会比较低。锂电池的荷电状态受温度、充放电状态、自放电、老化等因素的影响，内部化学反应多变，其特性又呈高度非线性。……