基于雙自適應無跡卡爾曼濾波算法的鋰電SOC/SOH聯合估計

王若琦，王曉佳，楊 淇，郭凱麗

（太原理工大學機械與運載工程學院，山西太原 030024）

1 引言

為實現節能降耗，降低污染，發展節能環保、不依賴化石燃料的電動汽車取代傳統燃油車，已成為當今世界汽車行業的重點發展方向。鋰離子動力電池準確可靠的狀態估計是電動汽車安全運行的基礎[1]，其主要包括荷電狀態（SOC）和健康狀態（SOH）。SOC直接反映了電池剩余電量的大小，其準確估計直接關系到電動汽車的能量動力分配。

SOH 是電池老化程度的一項重要指標，通常表現為電池的能量密度、功率密度、容量的衰減和內部電阻增大[2]，電池狀態的準確估計可以使電池得到充分合理的利用，避免電池突發故障造成的危害，對于電動汽車的安全運行具有重要意義[3]。

目前國內應用最多的電池SOC 測量方法是安時積分法，它計算簡單，但受初始SOC誤差的影響較大，且會隨時間增長出現較大的累計誤差[4]。另外，電池SOC測量方法還有開路電壓法、卡爾曼濾波法、神經網絡法。開路電壓法容易實現但需要通過靜置校準OCV值，不利于實際運用[5]。

神經網絡法通過訓練大量的樣本數據進行估算，準確性受訓練的方法及訓練量大小影響較大，計算量太大。卡爾曼濾波法使用遞推迭代的方法對SOC 進行估算[6]。最常用的為擴展卡爾曼濾波（EKF）和無跡卡爾曼濾波（UKF）：EKF估算過程中容易由于線性化過程中方差矩陣的非正定性導致估計值不收斂；UKF利用無跡變換處理均值和協方差，可以有效提高對非線性分布統計量的估算精度，但是系統噪聲的預定變量設置不當通常會導致系統誤差和發散[6]。……