基于磷酸铁锂电池SOC估算方法研究

王硕

摘要：电动车电池的电荷状态（SOC）准确估计是整个电池管理系统（BMS）安全充放电的基础。考虑到非线性系统的SOC估计中的扩展卡尔曼滤波算法（EKF）具有较大的近似值和线性近似值，因此提出了一种无味卡尔曼滤波算法滤波算法（UKF），该方法是将磷酸铁锂电池与测试1阶RC模型，识别参数并估算电池SOC。由初始值确定的安培时间积分方法的估计值用作标准值，并且在初始SOC为60%和100%的两种情况下，通过MATLAB仿真验证了EKF和UKF的SOC估计精度。根据SOC估计，UKF算法比EKF算法在某种程度上提高了精度，并且误差控制在较小的范围内，并且从大误差到小误差的校正时间短，因此具有很高的适应性。

关键词：磷酸铁锂电池;SOC;估算方法;UKF;EKF

一、引言

当前，在现代汽车工业的发展中，对安全、节能和环保的要求越来越高。电动汽车是新兴的汽车行业，与传统的石油能源汽车相比，具有低污染、高节能和低噪音的优势。由于传统车辆的消耗和排放而导致的日益严重的能源和环境问题，电动车辆当前在世界范围内得到广泛发展，并且其规模和影响力逐渐超过传统车辆。电动汽车的关键部件是电池，与传统汽车相比，本文使用的电动汽车电池是性能安全稳定的磷酸锂铁电池，目前许多电动汽车都选择它作为动力源。鉴于电动汽车电池的充电状态（充电状态，SOC）与整个电动汽车的安全性，寿命和电池使用密切相关，因此对其进行研究非常实用。

电动汽车电池充电和放电时，内部会发生复杂的化学反应，并受许多内部和外部因素的影响。当前的SOC估计方法包括放电实验方法、开路电压方法、线性模型方法和扩展卡尔曼滤波方法。放电实验方法采用恒流放电，通过实验获得电池SOC，但实验耗时较长，必须停止电池运行，这种方法一般不用于驱动电动汽车，并且开路电压该方法基于开路电压和SOC曲线，存在诸如电压滞后之类的问题以达到估计目的。扩展卡尔曼滤波器方法主要使用扩展滤波器理论来估计电池SOC，该算法可以更好地实时估计SOC，但是模型的准确性是棘手的，不利于非线性系统。另外，一些学者介绍了其他SOC估计方法，例如二次斯特林插值滤波器估计方法，模型参数自适应识别方法与SOC估计协同估计方法相结合，噪声方差可变卡尔曼滤波方法等。

二、磷酸铁锂电池等效电路模型

等效电路模型使用电阻器、电容器、恒压源和其他电路元件来形成电路网络，以模拟电池的动态特性。与其他性能模型相比，它具有以下优点：（1）分析可以编写数学方程，方便分析和应用。（2）模型参数辨识实验易于实现。（3）可以在整个电池范围内（SOC = O 1）进行建模。（4）在模型中考虑温度的影响很方便。因此，等效电路模型最广泛地用于电动汽车动力电池仿真中。锂电池中常用的等效电路模型包括戴维南模型，PNGV模型，GNL模型和RC模型。基于电池实验特性曲线综合考虑模型的准确性和复杂性，最终选择图1所示的二次RC等效电路模型，它不仅可以满足磷酸铁锂电池仿真的精度要求，适合的复杂度也易于编程实现和实际应用。

电池SOC是电动汽车行驶过程中非常重要的因素。需要尽可能准确地进行测量，但是电池SOC不同于端子电压，或者输入输出电流那样可以直接进行测量，因此需要选择适当的测量方法，并使用可测量的参数间接计算电池SOC。一些常见的算法包括放电实验方法、开路电压方法、安培时间积分方法、线性模型方法、卡尔曼滤波方法和神经网络方法。

1） 开路电压法OCV（Open Circuit Voltage）是一种开路电压，非常接近电池的电动势，并且与电池的SOC一一对应。开路电压法的原理是通过实验获得电池SOC与开路电压之间的直接对应关系。通过该对应关系，可以计算OCV以获得电池的SOC。测量开路电压需要长时间保持电池达到平衡状态，因此开路电压方法不适用于电动汽车在运行期间的实时测量，一般适合于电动汽车驻车时应用，可以为测量电池SOC的初始值提供基础。

2） 安时积分法简单，易于实现且工作可靠。 因此它用于许多电池SOC测量，但是这种方法有一些缺点。例如，该方法不能准确地测量电池的初始值，它是开环测量，并且不能校正现有的累积误差，导致电池SOC测量的精度误差越来越大。因此，该方法不适用于需要高精度的场合。在实际应用中，通常将安培时间积分方法与其他方法结合使用以实现更好的精度。

三、基于UKF的电池SOC估计

UKF算法是一种处理最近出现的非线性系统的出色算法，该算法可以在估计点附近进行无损变换来获取样本，将一个状态估计点变换为多个估计点，然后根据权重差对状态进行变换。基于误差的实时观察，通过连续反馈校正，函数逼近更加动态和准确，这使得非线性变换后的均值和协方差更加准确，并获得了较为理想的状态值。它是一种滤波方法，通常使用采样策略来近似非线性分布，并且至今仍在广泛使用。

在查看了相关信息之后，可以看出，只要给定的初始SOC足够准确，通过安时积分法估算的SOC就可以实际使用。为了验证UKF和EKF算法对电池标准SOC估计的有效性，该程序根据电池等效模型以及无味卡尔曼的原理在Matlab中编写，初始电池SOC为60%和100%。进行了两组HPPC脉冲实验。

在两个初始SOC为60%和100%的不同HPPC脉冲实验中，与电池SOC估计相比，UKF算法对电池的SOC估计与安培时间积分更加一致。EKF算法对电池的SOC估计，更与安时积分法对SOC估计的标准数值相吻合，也即是更加接近脉冲试验中的实际SOC值，这表明UKF在此模型中比EKF的电池SOC估算更为准确。在整个SOC估計过程中，UKF算法的误差变化范围小于EKF算法的误差变化范围，从大误差到小误差的校正时间也较小。简而言之，使得UKF模型的电池SOC估计的适应性较强。

四、结论

本文在逼近非线性模型时，考虑到一些SOC估计方法的缺点和EKF算法的问题，建立了RC电池主模型，并通过HPPC实验获得了电池电阻和电容的参数辨识模型。然后将其与UKF算法结合，并与EKF算法的SOC估计进行比较，得出以下结论：

1）在估计电池SOC的过程中，由于非线性系统的线性近似，误差可能会增加。

2）对于这种电池模型，与EKF算法的SOC估计相比，UKF算法在初始SOC值为60%和100%时均具有较小的误差，并且由于从大到小的时间短，适应性强。

3）此次研究结果为SOC估计的探讨提供了一些借鉴，更加复杂模型的验证以及更完善的参数辨识，依然是下一步研究的工作。

参考文献：

[1] 周翔.赵韩.江昊.基于EKF算法的磷酸铁锂电池在线SOC估 算[J].合 肥 工 业 大 学 学 报 （自 然 科 学 版 ）.2013，36（4）：385-388.

[2] 尚丽平，王顺利，李占锋，等.基于放电试验法的机载蓄电池SOC估计方法研究[J].电 源 学 报，2014，12（1）：61-65