基于ABP-EKF算法的锂电池SOC估计

2021-03-15张世义

重庆交通大学学报(自然科学版) 2021年3期

李军，张俊，张世义

(重庆交通大学机电与车辆工程学院，重庆 400074)

0 引言

电动汽车动力电池SOC是电池重要的指标之一，准确估计动力电池SOC对电动汽车有重要意义。锂电池SOC估计必须通过建立准确的数学模型，并精确计算才能得到。但电动汽车动力电池端电压在使用过程中具有高度非线性，使得动力电池SOC的估计比较困难。目前动力电池SOC估计常规算法包括放电实验法、安时积分法、开路电压法[1]及扩展卡尔曼滤波法[2]。这些算法都有各自存在缺陷，算法精度需进一步提高。杨文荣等[3]以二阶锂电池等效模型为基础，提出改进的安时积分算法来估计电池SOC，结果表明改进算法的估计误差相比于安时积分算法进一步减小；王笑天等[4]以Thevenin 电池模型为基础，提出了一种基于卡尔曼滤波算法的双卡尔曼滤波算法对锂电池SOC进行估计，结果表明该算法在线估计SOC有较高精度；林程等[5]以Thevenin 电池模型为基础，提出了一种将传统卡尔曼滤波算法与模糊控制相结合的动力电池SOC的自适应估计方法，结果表明该算法较原有的算法对SOC估计进一步提高。

笔者选用Thevenin等效电路模型，把电池充放电效率和温度变化引入状态空间方程，期望提高锂电池模型实用性。联合EKF算法与自适应BP神经网络算法提出了ABP-EKF算法，用于估计锂电池SOC，以克服扩展卡尔曼滤波算法对电池模型精度要求高、滤波容易发散的问题。