基于改进基于改进EKF算法的锂电池算法的锂电池SOC预估研究预估研究
电池荷电状态(SOC)是描述电池性能的重要指标之一。针对磷酸铁锂电池(LiFePQ4)的特性,选用了能够
较真实地反应电池内部状态的PNGV电路模型,提出了改进模型的方法。采用扩展卡尔曼滤波算法(EKF),说
明了扩展卡尔曼滤波估算荷电状态的原理并将内阻R0看作状态变量进行同时预估更新,改进形成新的卡尔曼滤
波算法。在仿真时对充电电流加入了噪声模拟实测数据。结果表明,该方法能够适应电池特性的动态变化,保
证较高的SOC估算精度,减小误差,提高实用性。
0 引言引言
随着社会的发展,能源危机问题逐渐显现,环境污染日益严重。磷酸铁锂电池具有比能高、安全性好、循环寿命长、污染
低等优点,正逐步成为新的理想动力源
[1-2]
,应用领域也非常广泛。电池的过充放现象会损害电池使用寿命,降低电池的实用
性和安全性,因此需要对电池的荷电状态(State Of Charge,SOC)进行精确估算[2]。提高荷电状态估算精度要从两个方面入
手:优化电池动态模型以及选用较为精确的算法。
在电池模型和预估算法上,国内外目前已经获得了海量的研究成果,安时计量法、开路电压法
[3]
、放电电实验法和神经网络
等都有局限性,神经网络输入变量的选择是否合适、变量数量是否恰当都直接影响模型的准确性和计算量,而且需要大量的参
考数据进行训练,如果用于网络训练的数据不准确或者不完备,则对结果影响很大
[4]
。
本文基于PNGV电池模型
[5-6]
,采用扩展卡尔曼滤波(EKF)的方法,并进行改进预测LiFePQ
4
电池的SOC值
[7]
,验证该方法
估计SOC值的准确性。
1 电池模型建立电池模型建立
等效电池模型是电池状态估算的基础,其中的电路等效模型便于参数识别与仿真实现。考虑到模型与电池的匹配度和现实
应用的实用性,本文选用PNGV模型,其精度较高。由于磷酸铁锂电池拥有2个极点,在模型上添加一个RC环节进行改进,使
该模型更加符合电池的内部结构和动态变化情况,并且更精确。改进的等效电路模型如图1所示。
模型中R
0
描述电池的欧姆内阻,E是理想电压源;R
p1
、R
p2
和C
p1
、C
p2
为电池RC个环节的内阻和电容,2个RC环节反映了
电池内部的极化现象;I
L
为电池环路的电流,U
k
为电池外电压。在室温情况下,根据电路模型及元件参数,建立模型关系式:
2 锂电池的锂电池的SOC估算估算
2.1 状态模型状态模型
根据SOC的定义,得出SOC的计算表达式
[8]
:
根据改进的PNGV模型和SOC表达式可得式(5)的状态方程和式(6)的观测方程。w
k
、v
k
分别为过程噪声和观测噪声,是由系
评论5