一种基于卡尔曼滤波算法的铅酸蓄电池SOC估计的探讨

摘 要：随着技术进步目前市场上蓄电池需求旺盛，尤其是铅酸蓄电池有着大面积的应用。随之而来的问题是蓄电池剩余电量（State of Charge即SOC）计算方法多样，计算结果不够准确，各有算法都包含自己无法避免的缺点。卡尔曼滤波算法则通过持续的迭代运算逐渐趋近“真值”，适合与单片机来进行电池充放电控制。本文试图实现用卡尔曼算法来计算电池SOC。

关键词：：铅酸蓄电池；卡尔曼算法；SOC

蓄电池简单说就是电池内部物质能储存大量的化学能，在蓄电池放电的时候，能将化学能稳定持续的转化为电能的一种设备。在充电的情况时，蓄电池能将外电路提供的电能转化为化学能储存起来，而在放电的情况时，蓄电池将化学能转变为电能输出。目前市场上蓄电池种类丰富，大体可以分为：铅酸蓄电池、锂离子电池、镍氢蓄电池、镍镉电池、飞轮电池等多类蓄电池。目前铅酸蓄电池与锂离子电池市场占有率最高，其中由于铅酸蓄电池技术方面比较成熟、价格相较低、产量较大，所以铅酸蓄电池是如今使用最广泛、使用最多的一种蓄电池。

为了准确表示电池剩余电量的多少，经常采用了电池的荷电状态SOC来表示，当SOC=100%的时候表示蓄电池是充满的状态，SOC=0%则表示蓄电池放电电压低于截止电压（防止过放而设定的电压值）。由此可见蓄电池SOC数值的准确度，对提高蓄电池中电荷量的使用效率有着至关重要的作用，从而延长蓄电池的使用寿命。SOC估算有多种方法，这里列举一些常见的方法：

（1）开路电压法：铅酸蓄电池正常使用是，蓄电池开路电压与蓄电池剩余电量存在很明显的线性关系，这种线性关系境温度以及蓄电池本身因素影响很小。这种方法通过蓄电池端电压来确定SOC值，简单易行。（见图1）

（2）Ah计量法：通过对蓄电池充电或放电过程中电流对时间进行积分来估算电池的SOC。这种方法比较简单、准确可靠，并且使用范围广。容易受到温度等环境因素影响。

（3）电阻检测：考虑电池放电电流大小和内阻大小两个基本因素，可以确定SOC值，SOC与电阻参数之间的关系复杂，在电池放电的后期具有较高的精度和较好的适应性。

（4）放电实验法：其实这也是一种Ah计量法，仅仅放电电流大小恒定。其缺点测量时电池需要处于脱机状态，无法在线实时测量。

（5）卡尔曼滤波算法：根据某一时刻SOC值来计算下一时刻最小方差意义上的最优SOC估计。计算的过程当中对精确度控制的很好，并能有效减少噪声的影响。缺点是需要详细确定的电池内部各个参数，但参数难于确定，计算量大。

卡尔曼滤波（Kalman filtering）一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测系统中无法避免系统中的噪声和干扰的影响，所以最优估计也可看作是一种滤波。本文采用卡尔曼滤波算法来进行SOC值的计算，

参考文献：

[1]刘艳莉.基于有限差分扩展卡尔曼滤波的锂离子电池SOC估计[J].电工技术学报，2014，29：221-228.

[2]高明煜.基于采样点卡尔曼滤波的动力电池SOC估计[J].电工技术学报，2011，26（11）：161-167.

[3]Ramsey Faragher.Understanding the Basis of the Kalman Filter Via a Simple and Intuitive Derivation.2012，29（5）：128-132.

作者简介：李松宁（1985-），男，汉族，河北邢台人，本科，助教，河北工业大学，主要研究方向：新能源技術。