《基于卡尔曼滤波的电动汽车SOC估计.》.pdf

中国电子学会电路与系统分会第二十一届学术年会论文集 基于卡尔曼滤波的电动汽车SOC估计 程艳青高明煜徐洪峰 (杭州电子科技大学电子信息学院浙江杭州310018) 摘要：电动汽车的电池管理系统需要一个精确和可靠的电池荷电状态(soc)预测。由于电池组真实的SOC受许 多因索如电池温度、充放电次数、电池老化等因素的影响，传统的SOC预测技术很难得到精确的结果。本文以 聚合物锂离子电池组为研究对象，采用卡尔曼滤波递推算法对电池组SOC进行估算，经试验这种方法能够获 得蓄电池精确和可靠的SOC预测值。 关键词：锂离子电池组；卡尔曼滤波；电动汽车；荷电状态(soc) 1‘^-‘_—_L 1月IJ罱 能源枯竭和环境污染已经成为当前社会急需解决的问题，电动汽车以其独特的节能环保 的优势引起越来越多的国家的重视，从20世纪70年代起，西方发达国家均投入巨资进行电动 汽车的商业化开发和应用。蓄电池是各类电动汽车中最常用的储能元件，其剩余电量的精确 测量在电动汽车的发展中一直是一个非常关键的问题，因为只有对电池剩余电量进行精确测 of 量才能使驾驶员随时估计自己的后续行驶里程，并及时进行充电。电池荷电状态SOC(State 了电池所处的状态，由此可限定电池的最大放电电流，并预测电动车的续驶里程。 电池的SOC是不能直接测量的，只能通过测量电池外特性，如电池端电压U、充放电电流 I、内阻R、温度t等参数来推断其值的大小。这些参数与SOC的关系会随着电池老化的过程而 改变，含有很多不确定因素，而且电动汽车动力电池的工作状态及环境随电动汽车的行驶而 随机改变，因此电动汽车动力电池SOC的精确估算已成为电动汽车领域的一个难题。 2 SOC定义 蓄电池所剩电量与电池总容量的比，通常把一定 蓄电池荷电状态SOC(stateofcharge)耳1：I 义为0％，计算公式如下： SOC=eQm—Q(In)】7Qm m Qf，L夕=f (2) I／．at 式中?Q。为蓄电池最大放电容量，指的是在室温条件下，电池从完全充电后开始工作一， 直到电池完全放电为止，其所能放出的最大安时数值，表示为标准放电电流和放电时间的乘 积； Q(In)为标准放电电流I。下t时间蓄电池释放的电量。 由于SOC受充放电倍率、温度、自放电、老化等影响，实际使用中要对SOC的定义进行调 整，不同电动汽车对SOC定义的使用形式不一致，最常用的定义为： 24 中国电子学会电路与系统分会第二十一届学术年会论文集 SOc=soco。f挚 ∽ 正，充电状态为负)；协为库伦效率系数，是电池充电放电全过程的平均库仑效率‘¨。 常用的SOC估算策略 传统的电池电量测试方法有密度法、开路电压法、内阻法和安时法等。近年来又相继研 发出许多对电池SOC估算的新型算法，例如自适应神经模糊推断模型【21、模糊逻辑算法模型【31、 线性模型法、阻抗光谱法【4J和卡尔曼滤波估计模型算法【5】等。 密度法通过对测量电解液的密度值来间接估算蓄电池的剩余电量，此方法已不适用于目 前大量使用的密封式电池，而且也不适于实时测量；开路电压法适用于测试稳定状态下的电 池SOC，在电动汽车行驶过程中不宜单独使用，通常用作其它算法的补充；内阻法是根据蓄电 池的内阻与SOC之间的联系来预测Soc，但电池的内阻容易受测量线的阻抗或者汽车内低频噪 声的干扰等方面的因素影响，使得测量结果不够准确，再加上这种方法比较复杂，计算量大， 因此在实际应用中比较困难：安时法通过对电流积分的方法记录从蓄电池放出的能量或者充 入蓄电池的能量，再根据充放电的起始SOC状态，就可以计算出蓄电池的SOC。该方法最为直 接明显，而且简单易行，在