一种基于UKF的SOC估算方法
2020年信息技术与网络安全第10期
官洪运，张抒艺，井倩倩，王亚青，缪新苗
东华大学 信息科学与技术学院，上海201620
摘要： 随着新能源汽车市场规模的增长，电池管理系统(Battery Management Systems，BMS)的市场需求也进一步扩大。作为保障电池安全及延长电池寿命的BMS而言，动力锂电池组的荷电状态(State of Charge，SOC)估算是BMS研究的重点。在研究了安时积分法估算SOC时受SOC初始值影响较大，且具有累积误差的问题，以及扩展卡尔曼滤波算法(EKF)估算SOC时收敛较慢的基础上，采用二阶RC等效电路模型对锂电池进行建模分析，针对锂电池各参数受SOC变化的影响，引进无迹卡尔曼滤波(UKF)算法，给出了锂电池的SOC仿真实验。实验结果表明，该种基于UKF的估算方法对SOC的估算更准确，误差更小且收敛速度快，对传统采用定值电池参数BMS的改进具有重要意义。
中圖分類號： TM912
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2020.10.010
引用格式： 官洪運，張抒藝，井倩倩，等. 一種基于UKF的SOC估算方法[J].信息技術與網絡安全，2020，39(10)：49-54.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2020.10.010
引用格式： 官洪運，張抒藝，井倩倩，等. 一種基于UKF的SOC估算方法[J].信息技術與網絡安全，2020，39(10)：49-54.
A method of SOC estimation based on UKF
Guan Hongyun，Zhang Shuyi，Jing Qianqian，Wang Yaqing，Miao Xinmiao
School of Information Science and Technology，Donghua University，Shanghai 201620，China
Abstract： With the growth of the new energy vehicle market, market demand for battery management systems(BMS) has also further expanded. For BMS, which guarantees battery safety and prolongs battery life, the estimation of the state of charge(SOC) of a powered lithium battery pack is the focus of BMS research. Based on the study of the problem that the AH integration method is greatly affected by the initial value of the SOC and has a cumulative error, and the extended Kalman filter algorithm(EKF) has a slower convergence when estimating the SOC, a second-order RC equivalent circuit model was used to model and analyze the lithium battery. Considering that the parameters of the lithium battery are affected by SOC changes, the Unscented Kalman Filter(UKF) algorithm was introduced to simulate the SOC of the lithium battery. The experimental results show that the UKF-based SOC estimation is more accurate, the error is smaller, and the convergence speed is faster, which is of great significance to the improvement of the traditional fixed-value battery parameter BMS.
Key words : lithium battery；unscented Kalman filter；state of charge；equivalent circuit；estimation method
0 引言
廣泛使用鋰電池作為動力電池的新能源汽車正逐漸普及，而鋰電池荷電狀態(SOC)的估計對新能源汽車的剩余可用電量具有指導作用，是電池管理系統研究的關鍵問題之一。研究估算鋰電池的SOC，首先需要進行電池建模。目前，鋰電池模型主要有能夠較好描述電化學特性電化學模型，抽象電池電化學特性的等效電路模型及神經網絡模型[1]等。DOYLE M等[2]提出經典電化學模型——Doyle-Fuller-Newman模型用疊加法簡化了數值計算；馬玉菲等[3]提出一種改進的PNGV模型并使用該模型較準確地估算了電池的SOC；PENG J C等[4]提出了一種三層神經網絡模型較準確地預測電池的SOC。這些電池模型雖然各有優勢，但是電化學模型計算量太大，PNGV模型由于模型較復雜，神經網絡模型需要復雜的訓練，均不太適合應用于電池管理系統。所以，考慮模型復雜性及模型準確性，本文采用二階RC等效電路作為鋰電池模型進行研究。
鋰電池SOC估計方法有安時積分法、擴展卡爾曼濾波算法、神經網絡算法等[5]，安時積分法受初始值及累計誤差影響，擴展卡爾曼濾波算法收斂速度較慢且估算不夠精確，神經網絡算法訓練數據大。綜合比較各種估算電池SOC的方法，且在證明建立二階RC等效電路模型穩定有效的基礎上，本文引進UKF濾波算法對鋰電池SOC進行估計。
本文詳細內容請下載:http://www.tom3567.com/resource/share/2000003140
作者信息:
官洪運，張抒藝，井倩倩，王亞青，繆新苗
(東華大學 信息科學與技術學院，上海201620)
此內容為AET網站原創，未經授權禁止轉載。