刘润琴 曾富豪 黄登高

摘 要：电池的荷电状态估计是锂电池管理系统重要的参数之一，在电池能量优化，电池安全及系统可靠性优化方面发挥着重要的作用。文章以二阶Thevenin等效电路作为电池模型，通过递推最小二乘法（RLS）对电池参数进行辨识，采用无迹卡尔曼滤波算法估计电池的SOC（State of charge）。并将估计的结果与试验测量结果进行比较，仿真结果显示，RLS与UKF的联合估计方法可有效估计电池的SOC值，使估算偏差值基本保持在2% 以内。

关键词：电池SOC;最小二乘法;无迹卡尔曼算法

中图分类号：U469.7  文献标识码：A  文章编号：1671-7988（2019）12-12-03

Abstract： Battery state estimation is one of the most important decision parameters for lithium battery energy management. It plays an important role in improving battery energy utilization， ensuring battery safety and enhancing system reliability. In this paper， the second-order Thevenin equivalent circuit was used as the battery model. The battery parameters are identified by the recursive least squares （RLS） method， and the SOC （State of charge） is estimated by the unscented Kalman filter algorithm. The estimated results are compared with the experimental measurements. The simulation results show that the joint estimation method of RLS and UKF can effectively estimate the SOC value of the battery， and the estimation deviation is kept within 2%.

Keywords： battery SOC; least square method; Unscented Kalman Filter

引言

高精度的SOC估计不仅可提高电池剩余能量的信息，也可增加电池的可靠性。目前，国内外研究学者对电池SOC估算方法进行了大量研究，提出了很多解决方法。包括安时积分法、内阻法、卡尔曼滤波法等，但各种方法都有利弊，例如，安时积分法虽简单可靠，但精度不高[1]。随着各种算法不断改进，使得SOC的估计精度不断提高，但估计精度依赖于电池模型精度。本文采用UKF结合RLS估算电池的SOC，UKF是卡尔曼的延伸算法，可降低EKF线性化的误差。

1 锂离子电池模型

电池等效电路模型包括Rint模型、PNGV模型、Thevenin模型等。综合考虑模型的精确度及复杂度，本文选择二阶Thevenin模型进行电池SOC的估算[2]。模型如图1所示。

图中，UL为电池端电压，UOC电池开路电压，R0电池欧姆内阻，R1、R2分别为电化学极化电阻和浓度差极化电阻，C1、C2为极化电容。根据上图，可得：

其中，U1、U2分别为R1、R2的端电压。

电动势及电池SOC的关系如图2所示。

开……