提升低温下电池SOC 估算精度的算法

蔡 黎,高 乐*,徐青山,代妮娜

( 1. 重庆三峡学院电气工程系,重庆 404000; 2. 东南大学电气工程学院,江苏 南京 210096 )

电池荷电状态(SOC)代表电动汽车电池可用的剩余电量,估算结果受温度影响较大。 据报道,2016-2019 年,我国因SOC 估算不准确而导致的电动汽车事故,绝大部分发生在冬季严寒的低温环境中[1]。 提升低温环境下电池的SOC 估算精度,已成为当前电动汽车的研究热点之一。

有关提升SOC 估算精度的研究,针对低温环境的很少。蔡亦山等[2]基于自适应两步滤波(ATSF)算法对电池SOC 进行估算,通过改善测量噪声的鲁棒性,将估算误差降至2%以内。 李嘉波等[3]利用高斯回归建立了SOC 在线估算模型,验算得到常温下SOC 估算的误差低于2%。 J.Safi 等[4]向集体估算方法中引入电压传感器中的噪声因子和集体估算温度变化因子,将SOC 估算精度提至约98%。 I.U.Khalil 等[5]将电池组模型等效为二阶戴维南电路模型状态空间方程,利用状态空间积分和扩展卡尔曼滤波(EKF)算法进行SOC 估算,在模型高度匹配和常温状态下,误差不到1%。 J.Wu 等[6]通过校准电池容量并确定电池参数,建立基于低温的磷酸铁锂正极锂离子电池模型,通过仿真验证了准确性,再采用EKF算法估计不同温度下的SOC。 仿真结果表明,SOC 估计误差不到2%,但算法较复杂、计算量大。 Y.J.Wang 等[7]基于实验数据建立不同温度下的电池模型,用粒子滤波法进行SOC估计,以消除噪声影响,并考虑电池的最大可释放容量下降问题,建立老化模型。 仿真实验证明了该方法估算SOC 的准确性与鲁棒性,估算误差约为1%,但算法复杂,难以实用。……