锂电池SOC估算：二阶戴维南等效与UKF-EKF的优化方法

本文主要探讨了在电动汽车领域，特别是动力锂离子电池的应用中，如何提高电池荷电状态(SOC)的准确估算。随着电池在汽车、航空航天和船舶等领域的广泛应用，对电池管理系统(Battery Management System, BMS)的需求日益增长，其中电池SOC的精确度对电池性能、使用寿命和安全性至关重要。 文章首先强调了动力锂电池的优势，如高能量密度和环保特性，但同时也指出电池单体一致性问题对系统性能的影响。为解决这个问题，电池管理系统采用电池模型来估算SOC，以便有效地管理电池的充放电过程。传统的等效电路模型，如二阶戴维南模型，虽然能简化电池行为的模拟，但可能在实际充放电过程中产生精度损失。 作者比较了两种常见的滤波算法，即扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)。EKF以其广泛应用于系统状态估计的优点，但可能会因为非线性系统的处理和噪声影响导致误差积累。相比之下，UKF能够更好地处理非线性问题且避免了陈旧的概率密度函数近似导致的问题，因此在电池SOC估算中具有更高的精度潜力。 作者提出了一种结合UKF和EKF的联合策略，即UKF-EKF，旨在克服各自算法的局限性，实现更准确的在线SOC估算。通过以18490型三元锂电池作为实验对象，利用递推最小二乘法进行电池模型参数的辨识，研究者将该方法的估算结果与实际测量值进行了对比分析。实验结果显示，该方法的SOC估计误差控制在3%以内，这证明了该方法的有效性和可行性。 总结来说，本文的主要贡献是提供了一种基于二阶戴维南等效电路模型和UKF-EKF融合的SOC估算策略，对于提升电池管理系统性能，特别是在电池一致性较差的情况下，具有显著的实际应用价值。这对于优化电动汽车的性能和延长电池寿命有着重要意义。