基于无迹卡尔曼滤波的磷酸铁锂电池SOC估计算法

“安全、节能、环保”是汽车技术发展的永恒主题。在全球能源危机及环保问题日益严峻的今天,以电动汽车为代表的新能源汽车成为未来汽车的发展趋势。作为电动汽车的关键技术之一,电池的安全高效使用有赖于对电池状态的准确估计。电池的状态可分为两类,一类可直接测定,如电压、电流、温度等;另一类不能直接测定,只能通过一定的方法进行估计,如荷电状态SOC、健康状态SOH等。这些状态量在电池的使用过程中至关重要。SOC的估计方法有很多,目前大多数方法都基于安时积分的基本原理。安时积分法虽然简便易行,但存在两个重要的问题:(1)不能估计SOC初值;(2)电流测量的不准确会引起累积误差。为解决这些问题,可以采用卡尔曼滤波的方法。由于电池是高度非线性的系统,采用无迹卡尔曼滤波(UKF)能得到比扩展卡尔曼滤波(EKF)更好的效果。电池在长期使用的过程中会发生老化。老化的电池会出现容量衰减的现象。因此在利用安时积分原理进行SOC估计时,必须考虑老化的影响。本文以磷酸铁锂电池单体为研究对象,首先比较了各类等效电路模型,综合考虑模型的准确性和复杂性,选取Thevenin模型描述电池的动态行为。通过HPPC测试,对电池模型进行参数辨识,并利用北京公交车工况进行验证。结果表明,Thevenin模型能较好地描述电池的动态行为,并且其结构简单,参数辨识方便。在恒温条件下对电池进行循环老化,得到电池在老化过程中的容量衰减规律。然后在Matlab环境下,基于无迹卡尔曼滤波(UKF)算法,实现对电池SOC的估计。利用北京公交车工况验证算法在单次工作循环中的有效性,通过人为制造初值误差及输入噪声的方法验证算法的鲁棒性及抗噪能力。仿真结果表明,该算法在初值估计不准确及输入中包含噪声时,仍能逐渐收敛至SOC真值附近并进行跟随,在工况试验的中后期,估计误差不超过5%。之后结合容量衰减模型对不同老化阶段电池的SOC进行估计,实现电池整个老化过程中稳定误差不超过5%的精度结果。