基于中心差分卡尔曼滤波的动力电池SOC估算研究

进入20世纪后，能源危机与环境污染等问题在全球范围内表现的愈加突出，在此形势下，新能源汽车尤其是电动汽车，得到了世界各国主要汽车厂商的高度关注。电池管理系统（BMS）作为电动汽车的重要组成部分，可以对动力电池进行有效管理和控制，保障电池高效使用及行车安全。电池管理技术仍处于发展期，很多技术并不成熟，而其中研究的重点和难点便是如何提高电池荷电状态（SOC）的估算精度。本文的研究对象选定为磷酸铁锂电池，从电池模型和基于模型的SOC估算方法这两个方面进行深入研究。 首先，介绍了锂电池的基本原理和主要参数，通过对电池一系列的试验分析了电池的开路电压与荷电状态关系、欧姆内阻及容量等基本特性。以此为基础，结合常用电路模型的优缺点对比，提出考虑电池容量时变性的二阶RC等效电路模型，并采用指数拟合方法，在Matlab软件中得到模型参数初值。为了更好的反应电池特性，本文利用Matlab/Simulink对参数初值进行了修正，并在各SOC点处估算出电池模型参数。实验结果表明修正参数后的等效电路模型提高了跟踪电池电压变化的精度。 其次，分析了传统SOC估算方法，结合磷酸铁锂电池的非线性特性和二阶RC等效电路模型确立了磷酸铁锂电池的状态空间方程。在扩展卡尔曼滤波算法对非线性状态方程估算精度有限基础上，提出了中心差分卡尔曼滤波算法。仿真结果表明中心差分卡尔曼滤波算法在同条件下对SOC的估算精度优于拓展卡尔曼滤波算法。 最后，利用AVL Cruise软件搭建电动汽车整车模型，并在模拟城市道路工况下进行仿真实验，得到了电池在工况下的仿真数据。通过Cruise软件与Matlab的接口，将动力电池组的仿真数据输入到估计模型中，利用中心差分卡尔曼滤波算法对SOC进行估算，并与拓展卡尔曼滤波算法对比，结果表明基于中心差分卡尔曼滤波算法对整车SOC估算具有抗干扰性、收敛性与更高估算精度。