锂电池能量状态与功率状态的联合估计

范汝新，张宵洋，张振福，毛顺永

(山东科技大学海洋科学与工程学院，山东青岛266590)

SOE是电池组实时剩余可用能量状态；SOP是电池组峰值功率状态，是在预定时间间隔内电池所能释放或吸收的最大功率。准确估算SOE和SOP有利于电动汽车稳定可靠运行。

安时积分法的电池荷电状态(SOC)是对电流的线性积分，只是描述了电池的剩余容量状态信息，事实上并不能将SOC等同于SOE。而SOE不但包含了电流变化信息，还充分考虑了电池工作过程中电压的变化。功率积分法是对SOE的标准定义，也是SOE最基本的估计方法，即在有限时间内对电池电压与电流的积分[1]。然而，由于电流或电压传感器的测量噪声以及直流漂移，易导致误差积累现象，并且严重受初始值准确性的影响。文献[2]通过大量的测试数据描述了开路电压(OCV)、SOE与电池能量之间的关系，并采用查表法的形式将其存储在电池管理系统中。文献[3]分析了不同温度和不同老化程度下的电池数据。文献[4-5]介绍了采用神经网络算法来化简电池工作过程中电化学反应的复杂机理的方法，该方法是开环方法。它依赖数据的测量精度，需要训练大量参数，估算结果受参数规模和训练方法的制约。文献[6]基于双极化模型和扩展卡尔曼滤波算法估计了SOE，但是精度一般。文献[7]考虑了电池老化对SOE的影响，并将开路电压拟合成关于老化和SOE的函数，然后运用了自适应无迹卡尔曼滤波算法进行SOE估计。尽管卡尔曼滤波及其衍生算法能够实现较好的效果，但是它们依然只适用于高斯白噪声的条件。……