基于采样策略实时切换的SRUKF算法的SOC估计

徐钦赐，宋年秀，赵玉兰，李正辉

(青岛理工大学机械与汽车工程学院，山东青岛 266520)

动力电池荷电状态(state of charge，SOC)的准确估算是电池管理系统(battery management system,BMS)的重要内容，在保证估算精度的前提下还要提高估算的实时性，即减少估算SOC占用的时间，这样可以降低BMS 的运行压力，提高控制效率。本文针对氢镍电池的特性建立了带有滞回特性的二阶RC 等效电路模型，并对电池化学反应时间的快、慢特性分别采用不同的辨识方法进行参数辨识，参数辨识结果的准确性是提高电池SOC估算的前提。

现阶段电池SOC的估算方法有很多，如模糊神经网络法[1]、扩展卡尔曼滤波法[2]、还有无迹卡尔曼滤波算法[3]等。模糊神经网络法的弊端是需要大量的训练数据，扩展卡尔曼滤波算法需要对非线性的电池状态空间模型进行线性化，围绕预测值进行Taylor 展开，并略去二次以上的项会降低估算的精度，使用无迹卡尔曼滤波算法进行估算时，有时会出现协方差负定的问题，造成滤波的发散。

本文采用安时积分法[4]作为氢镍电池SOC的参考值，对平方根无迹卡尔曼滤波[5](square root unscented kalman filter,SRUKF)的采样策略进行改进，采用实时切换采样策略的SRUKF 算法进行SOC的估算，并通过不同工况的数据进行估算方法的精度验证。

1 动力电池电路模型

等效电路模型能够很好地反映电池的特性是精准估算电池SOC的前提条件，由于本文选用氢镍电池测试数据进行研究，所以针对氢镍电池的外特性选择了考虑滞回特性的二阶RC 等效电路模型，如图1 所示。……