基于无迹[H∞]滤波的锂电池SOC估计研究

苏成龙 罗世昌

摘  要： 新能源汽车中锂电池的荷电状态（SOC）估计是电池管理系统的关键技术，对其准确估算有重要意义。所提的算法参考无迹卡尔曼滤波（UKF），将无迹变换（UT）融入到扩展[H∞]滤波中，用以估计锂电池系统状态均值和协方差，避免线性误差累积、增加算法的数值稳定性。在仿真实验中，在不同动态工况下分析了该算法的估计误差，证明算法在面对噪声干扰时具有较好的鲁棒性和准确性，是一种有效可行的算法。

关键词： 荷电状态（SOC）; 锂电池; [H∞]滤波（HIF）; DP模型

中图分类号：U469.72          文獻标识码：A     文章编号：1006-8228（2021）07-14-04

Research on unscented H-infinity filter based SOC estimation of lithium battery

Su Chenglong， Luo Shichang

（Faculty of Mechanical Engineering & Automation， Zhejiang Sci-Tech University， Hangzhou， Zhejiang 310018， China）

Abstract： State of charge （SOC） estimation of lithium batteries in new energy vehicles is a key technology in battery management system， and it is of great significance to accurately estimate the SOC. The algorithm proposed in this paper refers to the Unscented Kalman Filter （UKF） and integrates the Unscented Transform （UT） into the extended [H∞] filter to estimate the mean value and covariance of the lithium battery system， which avoids the accumulation of linear errors and increases the numerical stability of the algorithm. In the simulation experiment， the estimation error of the proposed algorithm is analyzed under different dynamic conditions. It is proved that the algorithm has good robustness and accuracy in the presence of noise interference， and it is an effective and feasible algorithm.

Key words： state of charge; lithium battery; H-infinity filter; DP model

1 研究背景

随着社会经济的不断发展，由此带来的能源紧张和环境污染问题将更加突出。在国家科技重大项目和节能与新能源汽车示范推广等扶持政策的支持和推动下，我国新能源汽车关键零部件及相关技术取得重大进步，动力电池发展环境持续优化。动力电池作为电动汽车的核心部件之一，对其关键状态的准确估算和管理是电动汽车发展的核心问题。荷电状态（SOC）是关键状态之一，对于电动汽车的能源优化管理和生命健康管理具有重要意义。SOC的准确估算可以最大程度地提高动力电池的利用率，延长电池寿命，并最终降低动力电池的成本。

目前常见的SOC估计方法有开路电压法、安时积分法以及基于模型的方法。开路电压法需要长时间的静置，使得电池达到稳定状态，这显然不适合实时动态的估计荷电状态。安时积分法应用最为广泛，但也存在明显的缺陷，如其对于初始值准确性高，对于电流传感器的精度要求也很高，容易产生累计误差[1]。……