基于模型的插电式混合动力汽车锂电池充电状态及峰值容量估计

采用自适应扩展卡尔曼滤波的算法来估计插电式混合动力汽车锂电池的充电状态（SOC）及峰值容量。介绍了锂电池的建模，包括电池极化充电建模、参数识别方法和电池试验。在电池试验环节，介绍了测试环境和城市环境动态循环规划。为了了解模型与电池SOC之间的关系，采用一个动态规划电池能量模型来估计电池状态。为了得到精确的参数，采用4种不同的充电-放电电流来提高电池特性测试。由于插电式混合动力汽车在加速、制动回收时以及爬坡时需要持续不断的峰值能量，所以针对持续峰值能量需求提出了电池估计算法，即电池SOC和峰值容量联合估计方法，其中包括基于自适应扩展卡尔曼滤波（AEKF）的SOC估计算法，基于电化学极化（EP）动力学模型的峰值容量估计方法。针对后者，分别进行了单周期瞬时峰值电流估计以及多周期连续峰值电流估计。为了提高算法的适用性，提出了一个用于估计SOC和峰值能量的6步测试框架。基于城市驾驶环境的动态测试循环来评价算法的实时性以及鲁棒性。测试结果表明，所提出的算法完全能够满足SOC的测量精度，并且在有较大初始SOC误差的前提下也依然能够获得低于0.02误差的精度。同时，进行峰值能量测试时具有较高的鲁棒性。

刊名：Journal of Power System（英）

刊期：2013年第229期

作者：Rui Xiong et al

编译：孙浩