基于扩展卡尔曼滤波模型的荷电状态估计

磷酸铁锂(LFP)电池化学因其高本质安全性、快速充电和长循环寿命而被广泛应用于混合动力电动汽车(hev)和电动汽车(ev)的能量存储。然而，为了准确估计LFP电池在运行时的荷电状态(SOC)，需要解决三个主要挑战:

• 长电压弛豫时间达到其开路电压(OCV)后的电流脉冲
• 滞后与时间、温度和soc相关
• 在大部分SOC范围内，OCV-SOC曲线非常平坦

鉴于这些问题，传统的电荷状态(SOC)估计技术，如利用电荷状态开路电压(SOC- ocv)相关曲线进行误差校正的库仑计数技术，不适用于该化学。

本文利用扩展卡尔曼滤波器(EKF)算法、双rc块等效电路和传统库仑计数方法的新颖组合来解决这些挑战。EKF算法的简化实现为车辆运行时SOC评估提供了一个计算高效的选择。利用带有伪随机噪声和初始条件偏移的电流剖面的实验数据验证了SOC估计。即使初始荷电状态的误差为40%，电流测量的误差为25%，模型也能迅速收敛到真实荷电状态的4%以内。

这篇文章中,商用功率导向LFP锂电池电池SOC估算的简化扩展卡尔曼滤波模型，在SAE世界大会上发表。

阅读全文．