基于UKF 的鉛酸蓄電池SOC 估算策略

胡振宇， 吳 雷

(江南大學(xué) 輕工過程先進控制教育部重點實驗室，江蘇 無錫214122)

目前，國內(nèi)外普遍使用不同的算法互相預(yù)測電池荷電狀態(tài)(State of Charge，SOC)，該方法是由模糊判別和精確計算構(gòu)成。SOC 估算方法有:開路電壓法、安時計量法、神經(jīng)網(wǎng)絡(luò)和卡爾曼濾波法(Kalman Filtering，KF)［1］。安時計量法有兩個明顯的缺點:電流不精確，充放電效率難以確定［2］。KF作為SOC 估計的一個集成平臺，主要通過電池SOC和外部參數(shù)之間的映射(包括電流、電壓和電池溫度等)解決SOC 估計。這種映射是一種非線性關(guān)系，在建立準(zhǔn)確適用的電池動態(tài)模型上存在很大困難，常見的KF 不能解決這個問題［3］。

1 Thevenin 模型建立

適合UKF 濾波估計的電池模型必須能較好地體現(xiàn)電池的動態(tài)性能，同時階數(shù)不能太高，易于實現(xiàn)［5］。

在運用卡爾曼濾波算法估算SOC 時，首先要建立適合于卡爾曼濾波方法的電池模型［6］。動力電池常處于電流劇烈變化的特殊工況中，且充放電非常頻繁，溫差大。鑒于以上考慮選擇如圖1 所示的Thevenin 模型。其中，E(t)為電動勢，I(t)為電流，R1為電池的歐姆內(nèi)阻;R2為電池極化內(nèi)阻，與電容C 并聯(lián)形成阻容回路，用于模擬電池的動態(tài)特性［7］。

圖1 Thevenin 電池模型Fig.1 Tevenin battery model

2 UKF 等式

UKF 算法是典型的非線性變換估計［8］。非線性變換后，它仍然是一個標(biāo)準(zhǔn)的卡爾曼濾波。算法的核心是通過U 轉(zhuǎn)換(無味變換)進行非線性模型狀態(tài)誤差協(xié)方差遞歸和更新。UKF 能準(zhǔn)確估計均值并使協(xié)方差達到四階泰勒級數(shù)，可以滿足基本需求的鉛酸電池SOC 估計。該方法關(guān)鍵是通過非線性的U變換進行非線性模型與誤差協(xié)方差的遞推和更新。

2.1 UKF 狀態(tài)方程

在這個SOC 算法中，系統(tǒng)狀態(tài)方程為安時法，以下是離散方程

其中，Xk表示SOC 值的系統(tǒng)狀態(tài);k 為時間步，可以從上一步k －1 測量電池電流，根據(jù)當(dāng)前時間步k，計算當(dāng)前采樣周期積分值Δt。添加庫侖效率η 和電池額定容量C，可以計算Xk。安時法計算模型的計算精度直接影響η 與C。

2.2 電池額定容量的變量模型

C 不是一個常數(shù)，而是相當(dāng)于額定容量的一個變量。文中使用一個變量命名變量額定容量，以反映真實的額定容量。可變?nèi)萘康闹蹬c主要生產(chǎn)鉛酸電池的額定容量有關(guān)，電池正面和負(fù)面活動材料的數(shù)量和利用率，活性物質(zhì)的利用率主要受3 個因素的影響。放電機制:包含放電速率I，放電形式，終止電壓U，電池溫度T;電極的結(jié)構(gòu):包括電極高寬比例、厚度、空隙率、以及導(dǎo)電柵網(wǎng)形式;制造工藝。此外，放電機制是可變因素，其他兩個因素是不可變的因素。所以，額定容量可以表示為一個變量函數(shù)。電池使用后，不可再生因素會出現(xiàn)，如活性物質(zhì)脫落，電極結(jié)構(gòu)改變。鉛酸電池的額定容量應(yīng)修改如下:

式中:KI為電流影響因子;KV為電壓影響因子;KT為電池溫度影響因子;KB為不可恢復(fù)因素影響因子。

在這些參數(shù)中，C 相當(dāng)于電池額定容量。系數(shù)KT可以通過公式推導(dǎo)

截至2014年年底，全國有效使用綠色食品標(biāo)志企業(yè)總數(shù)達到8700家，產(chǎn)品21153個，達到歷史新高。2014年上半年統(tǒng)計數(shù)據(jù)顯示，綠色食品大米、水果和茶葉產(chǎn)量已分別占全國大米、水果和茶葉總產(chǎn)量的10.8%、6.8%和3.7%。全國共創(chuàng)建了635個綠色食品原料標(biāo)準(zhǔn)化生產(chǎn)基地，基地種植面積1.6億畝。

其中，T0為在25 ℃的基準(zhǔn)溫度;T1為當(dāng)前電池溫度;K 為由特定電池型號所決定的溫度影響因素;KV= 1 是理想值，因為臨界電壓在實驗中是保持不變的;KB從實際可變?nèi)萘亢皖A(yù)計可變?nèi)萘恐g獲得;KI可通過不同的放電率下的電池實驗獲取，0 ＜KI＜1。

2.3 電池的庫倫效率

為了獲得庫倫效率η，文中使用Peukert 推導(dǎo)公式

然而，這個Peukert 方程并不能準(zhǔn)確反映當(dāng)前和庫侖效率之間的關(guān)系，因為在高放電電流狀態(tài)時有一個大偏差出現(xiàn)。p 作為變量，計算庫侖效率。在上述修正后，變量電池額定容量的概念更清楚，簡單、準(zhǔn)確的安時估計已成為可靠的計算方法。最后的系統(tǒng)狀態(tài)方程可以改寫為

結(jié)合負(fù)載電壓方法的特點，獲得以下負(fù)載電壓模型算法測量方程:

3 UKF 算法

3.1 具體SOC 算法流程

結(jié)合式(6)和式(7)，可以得到基于UKF 的SOC 算法。算法變量Xk和Yk分別為過程噪聲和測量噪聲;Q 為過程噪聲協(xié)方差;R 為測量噪聲協(xié)方差［9］。具體的算法設(shè)計過程如下:

1)初始化

2)Σ 計算點

3)時間更新

4)測量更新方程

3.2 對應(yīng)關(guān)系

電池在長時間靜置的條件下，其端電壓與SOC有相對固定的函數(shù)關(guān)系。所以根據(jù)開路電壓可以估計SOC，特別是在充放電的初期和末期，電池端電壓變化較大，開路電壓法可以取得較好的效果［10］。圖2 為開路電壓與SOC 之間的關(guān)系。在文中以天能3－EVF－200 鉛酸電池為實驗對象，使用大功率放電電阻和2.5 kW 充電器獲取實驗數(shù)據(jù)。

圖2 開路電壓與SOC 之間的關(guān)系Fig.2 Relationship between the open circuit voltage and the SOC

為了得到狀態(tài)方程，需要測試系數(shù)等式(2)。以解決系數(shù)KI為例。在同等條件下，電池在C6，C5，C4，C3情況下呈現(xiàn)出不同放電曲線。曲線反映了剩余容量和放電率之間的關(guān)系，在曲線中能得到不同放電率下的值。

給定參數(shù)值后，得到數(shù)據(jù)變量額定容量(見表1)。由表1 可以看出，預(yù)測容量值非常接近手冊給定真實值的。因此，該變量(變量電池額定容量)才能真正反映鉛酸電池額定容量的變化。利用實驗數(shù)據(jù)，通過回歸方法，可以得到在式(7)中K0，K1，K2，K3，K4的值。

表1 電池容量Tab.1 Battery capacity

4 仿真實驗

為了驗證這種SOC 算法的有效性，文中進行了包括恒流充電，恒壓和脈沖充電/ 放電實驗。圖3 為在恒流條件下SOC 狀態(tài)，圖4 為恒流條件下估算絕對誤差。

采用開路電壓法計算SOC 值，將此值作為電池的真實SOC，與實驗數(shù)據(jù)進行對比。在初始預(yù)測階段，SOC 估算值在真值范圍內(nèi)波動，SOC 實驗和SOC誤差迅速增加，直到達到最大。最后階段，估計價值逐漸收斂于真值。在整個變化過程中，SOC 最大誤差不超過4%，平均誤差小于2%。

圖3 恒流工況下SOC 狀態(tài)Fig.3 SOC value test results in the constant-current condition

圖4 恒流工況下估算絕對誤差Fig.4 SOC absolute error results in the constantcurrent condition

脈沖工況下SOC 狀態(tài)及估算誤差如圖5 和圖6所示。

在圖5 中，脈沖充電/放電電流為20 A，SOC 估計在真值范圍波動。估計值和真值之間的變化速度并不一致。每一個脈沖周期包含4 個階段:在充電階段，估算值迅速接近真實價值并達到最大值;在保持階段后電池充電，估算值迅速從最大值降低至最小值;在放電階段，估算值是最小值附近的真值;在保持階段后電池放電，估算值更接近真實價值。究其原因，電池電壓在第1 階段和第2 階段迅速上升，兩個階段之間有很大的電壓差;相反，電壓在第3 階段上升放緩，最后兩個階段之間的電壓差減小。在所有這些脈沖周期，SOC 最大誤差不超過5%，UKF算法能夠更好地估計脈沖充電/ 放電狀態(tài)。基于這些結(jié)果在上面3 種情況可以得出這樣的結(jié)論:UKF算法的SOC 估計誤差不超過5%，算法穩(wěn)定性好。因此，該算法是一種有效的鉛酸電池SOC 估計算法。

圖5 脈沖工況下SOC 狀態(tài)Fig.5 SOC value test results in the pulse-charge/discharge condition

圖6 脈沖工況下估算誤差Fig.6 SOC absolute error results in the pulse-charge/discharge condition

5 結(jié) 語

在建模方面文中采用Thevenin 模型，考慮電流，電壓，溫度等因素對SOC 估算的影響;在算法上，采用UKF 算法容易實現(xiàn)并且有較高的狀態(tài)估計精度。可以預(yù)見，基于適合的電池等效模型，UKF 在鉛酸蓄電池SOC 估計方面有著廣闊前景，因此進一步實現(xiàn)基于UKF 的SOC 估算方法的工程化是很有必要的。

［1］林成濤，陳全世，王軍平，等.用改進的安時計量法估計電動汽車動力電池SOC［J］.清華大學(xué)學(xué)報:自然科學(xué)版，2006，46(2):247－251.

LIN Chengtao，CHEN Quanshi，WANG Junping，et al.State of Charge estimation salibration for Ni－MH［J］.Journal of Tsinghua University:Science and Technology，2006，46(2):247－251.(in Chinese)

［2］高玉峰，孫磊，劉亞龍，等.基于EKF 算法的鉛酸蓄電池SOC 在線估計［J］.電源技術(shù)，2012，38(2):303－306.

GAO Yufeng，SUN Lei，LIU Yalong，et al.Estimating SOC of lead－acid battery based on Extented Kalman Filtering［J］.Chinese Journal of Power Source，2012，38(2):303－306.(in Chinese)

［3］田曉輝，刁海南.車用鋰離子動力電池SOC 的預(yù)測研究［J］.電源技術(shù)，2010，34(1):51－54.

TIAN Xiaohui，DIAO Hainan.Research on estimation of lithium－ion battery SOC for electric vehicle［J］.Chinese Journal of Power Sources，2010，34(1):51－54.(in Chinese)

［4］李哲，盧蘭光，歐陽明高.提高安時積分法估算電池SOC 精度的方法比較［J］.清華大學(xué)學(xué)報:自然科學(xué)版，2010，50(8):1293－1296.

LI Zhe，LU Languang，OUYANG Mingao.Comparison of methods for improving SOC estimation accuracy through an ampere－h(huán)our integeration approach［J］.Journal of Tsinghua University:Science and Technology，2010，50(8):1293－1296.(in Chinese)

［5］于海芳，逯仁貴.基于安時法的鎳氫電池SOC 估計誤差校正［J］.電工技術(shù)學(xué)報，2012，27(6):12－18.

YU Haifang，LU Rengui. State of Charge estimation calibration for Ni－MH［J］. Transactions of China Electrotechnical Society，2012，27(6):12－18.(in Chinese)

［6］潘衛(wèi)華，劉曉丹.基于改進卡爾曼濾波的鋰電池SOC 估算研究［J］.計算機仿真，2014，31(3):148－150.

PAN Weihua，LIU Xiaodan.Research on estimating SOC of lithium－ion battery based on improved Kalman Filter［J］.Computer Simulation，2014，31(3):148－150.(in Chinese)

［7］吳紅杰，齊鉑金，鄭敏信.基于Kalman 濾波的鎳氫動力電池SOC 估算方法［J］. 北京航空航天大學(xué)學(xué)報，2007，33(8):945－948.

WU Hongjie，QI Bojin，ZHEN Minxin. Ni－MH battery state of charge estimation based on Kalman Filter［J］. Journal of Beijing University of Aeronautics and Astronautics，2007，33(8):945－948.(in Chinese)

［8］夏超英，張術(shù)，孫宏濤.基于推廣卡爾曼濾波算法的SOC 估算策略［J］.電源技術(shù)，2007，131(5):414－417.

XIA Chaoying，ZHANG Shu，Sun Hongtao.A strategy of estimating state of charge based on extended kalman filter［J］.Chinese Journal of Power Sources，2007，131(5):414－417.(in Chinese)

［9］WAN E A ，van der Merwe R.The Unscented Kalman Filter for nonlinear estimation［C］//Adaptive Systems for Signal Processing，Communications，and Control Symposium.Portland，US:IEEE，2000:153－158.

［10］黎夏.電動汽車鉛酸蓄電池充電器研制［D］.杭州:杭州電子科技大學(xué)，2013.