改進嵌入式容積卡爾曼濾波的鋰電池荷電狀態估計

楊 瑩，王大維，趙為光，孫 健，于天洋

(黑龍江科技大學 電氣與控制工程學院，哈爾濱 150022)

0 引 言

電池與電池組已經廣泛應用在電動汽車與儲能系統中。鋰離子電池因具有自放電系數較低，使用壽命較長、充放電倍率大、工作溫度范圍大、能量密度大等特點受到研究人員重視[1]。

鋰離子電池的SOC是反映鋰離子電池剩余容量的指標。實現對SOC的精確估計不僅可以實時監視電池的電量狀態，同時也可以避免電池過充過放，延長電池使用壽命[2-3]。由于傳統的電流積分法與開路電壓法已不能滿足SOC估計精度與魯棒性的要求，目前，廣泛應用SOC的估計方法可以分為基于等效模型的方法與數值驅動的人工智能算法的方法[4]。數值驅動的方法將電池視作黑箱模型，利用大量數據進行訓練得出SOC結果，其具有代表性的方法有支持向量機法(SVM)、神經網絡法及其改進形式等[5-7]。基于等效模型的估計方法使用一系列數學表達式反映電池的充放電與其他的化學特性，應用較多就是利用濾波算法結合等效模型的方法[8-9]。如非線性卡爾曼濾波法、粒子濾波法等。為了提升估計性能，有學者加入平方根算法、自適應算法，其改進后的非線性卡爾曼濾波顯著提升了SOC的估計性能[10-11]。

針對SOC的精確估計問題，利用嵌入式容積準則改進傳統容積卡爾曼濾波(CKF)，通過加入強跟蹤濾波以提升算法的噪聲自適應能力，在進一步增加估計精度的同時提升算法的魯棒性，引入奇異值分解解決由于環境噪聲協方差矩陣初值非嚴格正定導致的算法無法正常運行的問題，通過電池在特定工況下的對比仿真驗證其有效性?！?br>