刘冬雷,范永存,王顺利,夏黎黎

（西南科技大学信息工程学院,四川 绵阳 621010）

锂离子电池在新能源领域的应用日益广泛,健康状态的监测也倍受重视[1-2]。荷电状态（SOC）估算作为动力锂离子电池的关键技术之一,成为研究热点[3],准确地估算SOC可充分发挥电池的性能[4-5]。文献[6]建立了一种可变参数的模型,将建模误差由17.76mV降低到8.68 mV。文献[7]采用降阶模型,得到比全阶模型更高的精度。等效电路模型因物理意义明确、数学表达式简单等优点,被广泛应用[8]。

本文作者针对锂离子电池内部特性的复杂性和工作特性,在改进的新一代汽车合作伙伴（PNGV）等效模型的基础上,采用基于渐消记忆的递推算法（RFMRA）辨识模型参数,提出改进型RFMRA-扩展卡尔曼滤波（EKF）联合算法,以精确地估算电池的SOC。

1 理论分析

1.1 等效电路模型

在锂离子电池SOC估算过程中,电池等效模型的构建占有重要的地位。SOC的准确估算在很大程度上依赖于等效模型反应电池动态特性的准确程度[9]。实验采用一种改进的PNGV模型,等效建立锂离子电池模型。该模型在PNGV模型的基础上,串联一个RC回路,用于表述锂离子电池的表面效应电阻和表面效应电容,以提高精度,如图1所示。

图1 改进的PNGV等效电路模型Fig.1 Improved partnership for a new generation of vehicles（PNGV）equivalent circuit model

图1中:Cb为电流的累积效应导致的开路电压的变化;Uoc为开路电压（OCV）;E为未受到充放电影响时电池的电压;UL为端电压;R1为欧姆内阻;UR1为欧姆电压,是电池放电及结束放电瞬间的压降效果。代表电池极化效应的RC并联回路,由极化电阻RP1和极化电容CP1组成,其中UP1为极化电压;代表电池表面效应的RC并联回路,由表面极化电阻RP2和表面极化电容CP2组成,其中UP2为表面效应电压。……