基于VFFRLS聯合AUKF的鋰電池SOC估計

鄒康康,李良光

(安徽理工大學 電氣與信息工程學院,安徽 淮南 232001)

0 引言

近年來,隨著社會的發展,化石能源的消耗量不斷增加,化石能源的使用不僅存在資源上的限制,還給自然環境帶來了巨大的壓力,因此,大力發展電動汽車可以有效緩解這種局面。當前電動汽車的動力來源是鋰離子電池,對鋰電池進行有效的管理和監控,不僅可以保障動力電池的安全可靠運行,而且可以提高鋰電池的使用壽命。其中鋰電池的荷電狀態(State of Charge,SOC)是整個BMS(Battery Management System)的核心,因此鋰電池的SOC就顯得尤為重要[1]。通過研究,針對鋰電池實際工況復雜而導致電池模型參數辨識的精度不高和傳統的無跡卡爾曼濾波(Unscented Kalman Filter, UKF)算法估計SOC精度不高的問題[2],本文提出使用可變遺忘因子遞推最小二乘算法對模型參數進行動態辨識,并聯合自適應無跡卡爾曼濾波算法(Adaptive Unscented Kalman Filter, AUKF)估算鋰電池SOC。聯合算法既解決了模型參數辨識固定導致模型誤差較大的情況,又解決了UKF精度不高的問題,提升了算法估計SOC的準確性和穩定性。

1 電池狀態空間模型

1.1 二階Thevenin等效電路模型

目前,鋰離子電池建模的方法有很多種,本文選取二階RC等效電路對電池進行建模,如圖1所示,該模型計算復雜度較小且性能優越[3]。

圖1 二階RC等效電路模型

1.2 電池模型參數在線辨識

在系統辨識中,遞推最小二乘法(Recursive Least Squares, RLS)是一種常用的估計算法[4]。為了降低歷史數據的影響并適應鋰電池復雜的工作狀態,基于遺忘因子的遞推最小二乘法(Forgetting Factor Recursive Least Squares, FFRLS)被提出用于模型參數辨識[5]。通過引入遺忘因子,可以動態調整歷史數據的權重。然而,在一些情況下,固定的遺忘因子可能無法滿足需求。為了克服這個問題,本文采用可變遺忘因子遞推最小二乘法(Variable Forgetting Factor Recursive Least Squares, VFFRLS)對電池模型進行參數辨識。

2 電池SOC估計

2.1 UKF算法原理

卡爾曼濾波(Kalman Filter,KF)常用于線性系統,實現過程則是通過利用上一時刻的最優結果來預測當前時刻的值,并且結合觀測值對當前時刻的值進行修正,從而得到最優結果。為使其應用于非線性系統,UKF被廣泛應用。UKF算法的主要思想是通過UT變換,以一定的規律對采樣點進行采樣和賦予權重,從而近似地獲得采樣點附近的均值和方差。這樣的近似方法能夠有效地估計狀態變量的分布,并在非線性系統中表現出較高的精確性和穩定性[6]。

2.2 自適應調節策略

AUKF通過對過程噪聲和觀測噪聲的動態調整使得濾波器能夠更加適應復雜工況,提升算法模型的魯棒性,同時提高了精確度。

2.3 電池SOC聯合估計

根據二階RC等效電路建立起來的鋰電池等效模型,通過將VFFRLS和AUKF聯合估計。首先通過二階RC等效電路模型得到模型的回路狀態方程,然后同VFFRLS算法對模型參數進行在線辨識,得到的參數帶入AUKF的狀態矩陣和噪聲矩陣,獲得SOC。通過OCV-SOC曲線對VFFRLS算法進行調整。

3 實驗驗證與分析

為了檢驗VFFRLS-AUKF算法在估算鋰電池SOC方面的精確度,在UDDS工況下,采用VFFRLS-UKF和VFFRLS-AUKF 2種算法進行SOC估算。鋰電池的SOC估計結果如圖2所示,SOC估計的誤差情況如圖3所示。

圖2 UDDS工況下電池SOC估計對比曲線

圖3 UDDS工況下電池SOC估計誤差對比曲線

如圖2所示,VFFRLS-UKF和VFFRLS-AUKF算法都能較好地跟隨電池的真實SOC,從圖中可以看出VFFRLS-AUKF更接近于真實的SOC,說明AUKF算法通過對噪聲的自適應調整,能夠適應更加復雜的工況,提高了算法的精確度和魯棒性。從圖3可以看出,在復雜工況下,UKF和AUKF的估計誤差都波動較大,這主要是由UDDS工況電流變化引起的,且沒有引起發散,都具有良好的收斂性,但VFFRLS-AUKF算法的誤差范圍明顯更小,收斂性更好。為了更直觀地辨別2種算法的優劣,UDDS工況下的VFFRLS-UKF和VFFRLS-AUKF的絕對誤差(MAE)和均方根誤差(RMSE)如表1所示。

表1 UDDS工況下VFFRLS-UKF和VFFRLS-AUKF算法的MAE、RMSE對比

4 結語

鋰電池SOC的準確估計在整個BMS系統中至關重要。準確的SOC估計不僅可以確保電動汽車的行駛安全,還可以延長鋰電池的使用壽命。通過建立二階RC等效電路模型,獲得狀態方程和觀測方程。本文采用VFFRLS算法對系統參數進行辨識,以解決傳統的FFRLS算法中參數固定導致模型精度下降的問題。然后,將辨識出的參數與AUKF相結合,在模型的準確性基礎上,降低了系統噪聲和觀測噪聲的影響,提高了算法的精度和魯棒性。此方法可以提供準確可靠的鋰電池SOC估計結果。