锂电池的电量估计仿真研究刘晓春.docx

研究与设计

锂电池的电量估计仿真研究

刘晓春，杨惠珍，朱良，李冀

(西北工业大学航海学院，陕西西安

710072)

摘要：锂电池的荷电状态(SOC，State-of-Charge)直接反映电池的剩余电量，是电池组管理的核心参数。然而，电池循环

次数的增加、瞬间大电流、温度等因素将导致电池特性发生变化，因此使用扩展卡尔曼滤波(EKF，extendedkalman

filtering)对锂电池的荷电状态进行估计会引入较大的误差甚至算法发散。为了有效抑制参数扰动和系统的非线性，基于

一种改进的二阶RC等效电路模型，应用粒子滤波算法(PF，particlefiltering)实现了锂电池荷电状态的估计。最后，根据

锂电池放电实验所得数据进行仿真，结果显示了该算法的优越性

。

关键词：锂电池模型；荷电状态；粒子滤波

中图分类号：TM912.9文献标识码：A文章编号：1002-087X(2017)03-0367-03

BehaviorsimulationandSOCestimationmethodforLi-ionbatteries

LIUXiao-chun,YANGHui-zhen,ZHULiang,LIJi

(CollegeofMarineEngineering,NorthwesternPolythechnicalUniversity,XianShanxi710072,China)

Abstract:Asthekeyparameterforpowerbatterymanagement,theSTATE-OF-Charge(SOC)ofthelithiumbatterydirectly

indicatestheresidualcapacity.However,withtheincreaseofcycles,instantaneoushighcurrent,abnormaltemperaturesand

otherfactorswouldchangecellcharacteristics,whichmightintroducelargererrorevendivergenceovertimeiftheextended

Kalmanfiltering(EKF)algorithmwereappliedtotheSOCestimation.Tosuppresstheparametersdisturbanceandsystem

nonlinear,amethodbasedonparticlefiltering(PF)algorithmwasproposedtorealizeaccurateSOCestimationontheimproved

RCequivalentcircuitmodelofthelithiumbattery.Thesuperiorityofthismethodisvalidatedbysimulationresults.

Keywords:lithiumbatterymodel;state-of-charge;particlefiltering

锂离子电池由于具有工作电压高、体积小、质量轻、能量观测变量，以负载电压估计值和实际观测值的误差去修正

高、无记忆效应、自放电小、循环寿命长等优点，在移动电子设SOC的估计值，实现对SOC的闭环估计。刘新天[4-5]针对锂电

备、自主机器人、电动汽车等诸多领域得到了广泛利用，是池成组提出Vmin模型并应用扩展卡尔曼滤波算法实现了锂

21

世纪发展的重要能源。为确保锂电池的安全、长寿命运行，需

[1]

电池组SOC的较精确估计。为抑制电流漂移噪声的干扰，何

通过电池的管理系统对其进行精确的状态估计和正确有效的耀[6]提出了将电池荷电状态及电流漂移噪声一起作为状态变

管理。锂电池的SOC直接反映了电池剩余电量的多少，只有量建立动力锂电池组的噪声混合模型，并应用Joint-EKF算法

准确的SOC估计才能实现电池电量的有效管理，避免电池的实现动力锂电池荷电状态及电流漂移噪声的同步估计。随后，

过充过放行为，从而延迟电池的使用寿命为了能够有效抑制参数扰动和系统非线性，何耀[7]又提出基于

。

由于锂电池充放电具有高度的非线性，要精确地估计锂组合模型的无迹卡尔曼粒子滤波算法，但由于需要生成大量

电池的SOC具有一定的难度。目前，锂电池SOC的