基于改进UKF算法的锂电池SOC精准估算*

李 岩,韩志刚,蒋乙未,李翔晟,庄伟东

(中南林业科技大学 机电工程学院，湖南 长沙 410004)

0 引 言

电池的荷电状态(state of charge,SOC)是指电池剩余电量和电池容量的比值，电池SOC的估计是电池管理系统的核心功能之一，准确的估算SOC值能够延长电池寿命，提高使用的安全性，能有效防止电池过充过放，在进行能量均衡时，提高电池组的能量利用率[1]。然而电池SOC无法直接测量，电池内部是封闭的电化学反应，电池SOC与外界的温度、电池内部的极化效应等很多因素相关，呈现高度非线性，导致SOC的估算难度很大[2]。国内外对电池SOC估计方法做了大量研究工作，目前常用的估计方法[3,4]主要包括安时积分法、开路电压法、内阻法，以及近几年用到SOC估算中的数学方法，主要是神经网络法和卡尔曼滤波法。安时积分法是开环方法，对初始SOC值的精确性依赖性高，且误差积累导致后期估算误差越来越大[5]。开路电压法需要电池较长时间的静置，使开路电压稳定，该方法不适合实时估计。内阻法的内阻精度难以精确测量。神经网络法有较好的应用前景，但该方法计算复杂，需要大量运算数据，且估算精度与训练方法联系较大。卡尔曼滤波法兴起于近几年，是一种利用线性系统的状态方程，通过系统输入输出观测数据，对系统的状态进行最优估计的算法。虽然电池的状态空间模型是非线性的，但是卡尔曼滤波方法能将其线性化，这也是卡尔曼滤波法的一个显著特点，该方法适用于影响因素较多，且呈现高度非线性关系的估算[6]。……