《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 測試測量 > 設(shè)計(jì)應(yīng)用 > 基于AEKF的鋰離子電池SOC估算
基于AEKF的鋰離子電池SOC估算
2023年電子技術(shù)應(yīng)用第4期
王祥,，蘇建徽,，賴紀(jì)東,，周晨光,，蘇志鵬
（合肥工業(yè)大學(xué) 光伏系統(tǒng)教育部工程研究中心,，安徽 合肥 230009）
摘要： 針對拓展卡爾曼濾波（Extended Kalman Filter,， EKF）算法進(jìn)行鋰離子電池荷電狀態(tài)（State of Charge,， SOC）估算時(shí)噪聲信息固定從而導(dǎo)致估算精度低的問題,，提出噪聲信息協(xié)方差能夠自動匹配的自適應(yīng)拓展卡爾曼濾波（Adaptive Extended Kalman Filter,， AEKF）算法,。首先基于電池的雙極化（Dual Polarization， DP）等效電路模型進(jìn)行參數(shù)辨識,，建立精確的等效模型,；然后在動態(tài)應(yīng)力測試（Dynamic Stress Test， DST）工況下對比了EKF濾波算法與AEKF濾波算法噪聲協(xié)方差矩陣變化情況以及對電池SOC的估算效果,，結(jié)果表明AEKF濾波算法具有更高的估算精度,；最后設(shè)置了幾組不同的SOC初始偏差，驗(yàn)證了AEKF濾波算法在估算電池SOC時(shí)具有魯棒性強(qiáng)的優(yōu)點(diǎn),。
中圖分類號：TM912
文獻(xiàn)標(biāo)志碼：A
DOI: 10.16157/j.issn.0258-7998.223341
中文引用格式： 王祥,，蘇建徽，賴紀(jì)東,，等. 基于AEKF的鋰離子電池SOC估算[J]. 電子技術(shù)應(yīng)用,，2023，49(4)：57-62.
英文引用格式： Wang Xiang,，Su Jianhui,，Lai Jidong，et al. SOC estimation of lithium-ion battery based on AEKF[J]. Application of Electronic Technique,，2023,，49(4)：57-62.
SOC estimation of lithium-ion battery based on AEKF
Wang Xiang，Su Jianhui,，Lai Jidong,，Zhou Chenguang，Su Zhipeng
(Engineering Research Center of Ministry of Education of Photovoltaic System,， Hefei University of Technology,， Hefei 230009， China)
Abstract： Aiming at the problem that the noise information is fixed when the extended Kalman filter(EKF) algorithm estimates the state of charge(SOC) of lithium-ion battery, resulting in low estimation accuracy, an adaptive extended Kalman filter(AEKF) algorithm with automatic matching of noise information covariance is proposed. Firstly, the parameters are identified based on the dual polarization (DP)equivalent circuit model of the battery, and an accurate equivalent model is established. Then, the variation of noise covariance matrix of EKF filtering algorithm and AEKF filtering algorithm and the estimation effect of battery SOC are compared under dynamic stress test(DST) conditions. The results show that AEKF filtering algorithm has higher estimation accuracy. Finally, several groups of different SOC initial deviations are set to verify the strong robustness of AEKF filtering algorithm in estimating battery SOC.
Key words : lithium-ion battery,；state of charge estimation,；dual polarization equivalent circuit model；adaptive extended Kalman filter

0　引言

近年來,，鋰離子電池以能量密度高,、無記憶效應(yīng),、工作電壓高等優(yōu)點(diǎn)在電動汽車等領(lǐng)域已獲得普遍認(rèn)可。鋰離子電池是一個(gè)復(fù)雜的電化學(xué)系統(tǒng),，使用不當(dāng)會加速老化過程以及影響安全性能,，為了有效避免電池過充和過放，提高電池的安全性和使用壽命,，電池SOC的精確估算尤為重要,。然而SOC是電池內(nèi)部的狀態(tài)量，不能直接測量得到,，但可以通過僅有的電流、電壓,、溫度信息進(jìn)行估算,，因此基于電池外特性的SOC精確估算方法成為研究熱點(diǎn)。

當(dāng)下,，鋰離子電池SOC估算方法主要包括開路電壓法,、安時(shí)積分法、神經(jīng)網(wǎng)絡(luò)法,、基于模型的卡爾曼類濾波方法等,。開路電壓法容易受到不確定因素的干擾，如溫度,、電池的老化程度,、靜置時(shí)間等。安時(shí)積分法需要通過其他方法獲取初值,，電流測量精度直接影響估算效果,，精度過低會造成一定的累積誤差。神經(jīng)網(wǎng)絡(luò)法需要大量和全面的數(shù)據(jù)進(jìn)行訓(xùn)練,，數(shù)據(jù)的數(shù)量和質(zhì)量以及訓(xùn)練方法都會對估算效果產(chǎn)生較大的影響,。基于模型的卡爾曼類濾波算法需要依賴精確的等效模型,，此外初值的選取也很重要,。XU等在基于鋰離子電池等效模型的基礎(chǔ)上，采用在線辨識模型參數(shù)和無跡卡爾曼濾波算法進(jìn)行鋰離子電池的SOC估算,，平均估算誤差在2%左右,。施輝偉等在Thevenin模型的基礎(chǔ)上使用拓展卡爾曼濾波算法實(shí)現(xiàn)了在不同溫度、放電倍率和初始誤差下對電動汽車電池SOC的精準(zhǔn)估算,。Almaita等提出了長短期記憶神經(jīng)網(wǎng)絡(luò)模型,，對鋰離子電池的SOC進(jìn)行估算，最大估算誤差小于0.62%,。然而以上研究均未考慮噪聲對估算精度的影響,，存在一定的局限性,。

本文針對拓展卡爾曼濾波算法進(jìn)行鋰離子電池SOC估算時(shí)過程噪聲和觀測噪聲固定不變的問題，提出一種基于等效模型的自適應(yīng)拓展卡爾曼濾波算法,，在拓展卡爾曼濾波算法的基礎(chǔ)上引入觀測噪聲信息和過程噪聲信息協(xié)方差匹配環(huán)節(jié),，能夠有效提高鋰離子電池SOC的估算精度。



本文詳細(xì)內(nèi)容請下載：http://forexkbc.com/resource/share/2000005283




作者信息：

王祥,，蘇建徽,，賴紀(jì)東，周晨光,，蘇志鵬

（合肥工業(yè)大學(xué) 光伏系統(tǒng)教育部工程研究中心,，安徽 合肥 230009）


微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載,。