《電子技術(shù)應用》
您所在的位置：首頁 > 電源技術(shù) > 設(shè)計應用 > 基于卡爾曼濾波算法的鋰離子電池荷電狀態(tài)估算
基于卡爾曼濾波算法的鋰離子電池荷電狀態(tài)估算
來源：電子技術(shù)應用2014年第5期
高安同1，張 金2，周 生2，高 望1，張 鋒2
（1.解放軍陸軍軍官學院 研究生管理大隊，安徽 合肥230031； 2.解放軍陸軍軍官學院 軍用儀器
摘要： 提出并建立了一種鋰離子電池二階電路等效動態(tài)模型，在對模型的適應性驗證的基礎(chǔ)上，設(shè)計了一種卡爾曼濾波算法來估算鋰離子電池荷電狀態(tài)。仿真和實驗結(jié)果表明，卡爾曼濾波算法能有效減少測量噪聲以及同一生產(chǎn)工藝下電池的參數(shù)不穩(wěn)定性所帶來的影響，并顯示了很高的精確度，其中快速估算的精確度為96.1%，緩慢估算的精確度為99.0%。
中圖分類號： TP26+.3
文獻標識碼： A
文章編號： 0258-7998(2014)05-0065-03
State-of-charge estimation of li-ion battery based on Kalman filter algorithm
Gao Antong1，Zhang Jin2，Zhou Sheng2，Gao Wang1，Zhang Feng2
1.Postgraduate Management Team, Army Officer Academy, PLA, Hefei 230031，China；2.Military Instrument Teaching and Research Section, Army Officer Academy, PLA, Hefei 230031，China
Abstract： An easy electric model of the cell(2nd order equivalent circuit model) is identified and verified, and a Kalman filter methed is applied to estimate SoC. The simulation and test results on two different cells of the same manufacture and typology show that the algorithm is able to reject the effect of measurement noise and parametric uncertainties with high accuracy. The precision of the fast estimation is 96.1%, and the slow estimation is 99.0%.
Key words : SoC estimation；2nd order equivalent circuit model；Kalman filter；li-ion battery

    目前，在眾多電力應用領(lǐng)域中，鋰離子電池都是首選的電能儲存裝置。然而在其應用領(lǐng)域中仍有許多亟待解決的問題，對于荷電狀態(tài)SoC(State of Charge)估算的研究尤其熱門。荷電狀態(tài)通常被認為是電池可用容量與其最大可用容量的比值[1]。
    以往文獻中對采用卡爾曼濾波KF(Kalman Filter)算法來估算荷電狀態(tài)進行了很多描述。但是，這些應用絕大多數(shù)都是采用電化學模型[2]或者Ad hoc模型[3]，而不是簡單的電路模型[4]。將建模方法與卡爾曼濾波方法相結(jié)合，可以得到一種可去除測量噪聲和模型參數(shù)誤差的新算法。此次研究的目的就是提高估算的速度和精確度。
1 電池動態(tài)模型
1.1 模型結(jié)構(gòu)
    本文采用Boston-Power公司的Sonata 4400鋰離子電池，其基本屬性為：標稱容量是4 400 mAh；標稱電壓是3.7 V。因為實驗對小的計算量和簡單電學組成更加重視，所以最佳選擇是等效電路模型。因此，本文選擇了一個二階電路等效模型[5]，如圖1所示。

   
    通過實驗計算得到，測量值與仿真值之間的標準誤差為24.6 mV。但是考慮到線性行為下SoC的范圍是100%~10%，所以標準誤差降為10.3 mV。
1.3 模型驗證
    為了驗證模型在任意電流分布下（-1 C～+2 C）能適用于電池，可以對一個充滿電的電池進行放電消耗實驗，直至電量達到SoC的10%。驗證結(jié)果如圖3所示。在整個實驗過程中，仿真值與測量值之間的標準誤差是18.8 mV。
    由圖3可知，該模型在電池SoC在100%~10%的范圍內(nèi)時具有很高的精確性。

   

 


    緩慢估算的SoC值在1 h后逐漸趨向真實SoC值，但是其與真實值的標準偏差僅為1.0%。此外，快速估算的SoC值趨向真實值的時間僅為10 min，但是其估算結(jié)果含有大量噪聲，并且與真實值的偏差達到3.8%。
    對于電池2，采用相同的濾波設(shè)計，圖5顯示了基于隨機數(shù)據(jù)（開始于SoC0=50%）的估算結(jié)果。

    本文介紹了一種基于卡爾曼濾波理論的SoC值估算方法。展示了電池模型的建立和驗證過程，在實驗室條件下，對同一生產(chǎn)商兩塊不同的電池驗證了仿真結(jié)果。設(shè)計了基于卡爾曼濾波理論的觀測器，尤其對兩種不同電池的不確定性進行了深入研究：參數(shù)不確定性和測量噪聲（實際應用中）。在SoC估算方面顯示了很好的精確性。此外，不同的觀測器顯示了一個矛盾問題：快速估算會降低精確度，相反，緩慢估算的精確度很高。該方法可以擴展到不同生產(chǎn)商生產(chǎn)的各種不同類型的電池，并且在將來的電池模型設(shè)計和SoC估算中可以加入對溫度影響的考慮。
參考文獻
[1] COLGOV A，ZANE R，POPOVIC Z.Power management system for online low power RF energy harvesting optimization[J].IEEE Trans.on circuits and systems，2010，57(7)：1802-1811.
[2] GAO L，LIU S，DOUGAL R A.Dynamic lithium-ion battery model for system simulation[J].IEEE Trans.Compon.Packag. Technol.，2002，25(3)：495-505.
[3] PLETT G L.Extended Kalman filtering for management system of LiPB-based HEV battery packs[J].Journal of Power Sources，2004，134(2)：262-276.
[4] Zhang Jin，Gao Antong，Chen Ronggang，et al.Discussion  on the li-ion battery health monitoring and remaining-useful-life prediction[C].In ICEEP  Advanced Materials Research，Guilin，China，2013：797-803.
[5] CODECA F，SAVARESI S M，RIZZONI G.On battery state of charge estimation: a new mixed algorithm[C].In 17th IEEE International Conference on Control Applications，San   Antonio，TX，USA，2008：102-107.
[6] SPAGNOL P，ONOR S，MADELLA N，et al.Aging and characterization of Li-Ion batteries in a HEV application for  lifetime estimation[C].In IFAC Symposium Advances in Automative Control，Munich，2010：186-191.

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。