自适应卡尔曼对储能锂电池充放电状态的估算.pdfVIP

第42卷第5期白动化仪表Vol.42No.5

2021年5月PROCESSAUTOMATIONINSTRUMENTATIONMay.2021

自适应卡尔曼对储能锂电池充放电状态的估算

宋琴1，王顺利2，于春梅3

(1.西南科技大学信息工程学院，四川绵阳621010;

2.绵阳市产品质量监督检验所国家电器安全质量监督检验中心，四川绵阳621000;

3.四川华泰电气股份有限公司，四川遂宁629000)

摘要:为了提高对工作状态中动力锂电池组的锂电池荷电状态（S0C)估计，精准的电池模型能够有效地估计S0C值，即提出了非线

性模型来描述锂电池的外部特性。自适应性卡尔曼滤波算法有效减小了卡尔曼滤波因为电池模型参数不准确而造成的误差。该算

法使系统状态初始化，对下一时刻的不确定性的状态和误差协方差矩阵进行时间更新，计算卡尔曼增益并记录系统观测值，从而有效

地修正当前锂电池的S0C估计值、提高滤波精度、降低噪声带来的影响。同时，迭代算法不断用变量的旧值递推新值的过程能够有效

地计算卡尔曼增益，不断更新蓄电池工作的S0C而达到更好的收敛效果。根据试验的对比分析，可以得到自适应卡尔曼滤波

法（AKF)在电池的S0C值估计上具有更高的精度。算法估计初期能更快收敛，能迅速减小估计误差，并将其计算值和估计值收敛到

0.03%，从而有效地延长纯电动汽车的中蓄电池使用时长。

关键词:锂离子电池；Thevenin模型；荷电状态；自适应卡尔曼滤波；迭代算法；非线性模型；充放电状态；误差协方差矩阵

中图分类号：TH702文献标志码：AD0I10.16086/j.cnki.issnl000-0380.2019070061：

EstimationofChargeandDischargeState

ofEnergyStorageLithiumBatterybyAdaptiveKalman

SONGQin1，WANGShunli2,YUChunmei3

(1.SchoolofInformationEngineering,SouthwestUniversityofScienceandTechnology,Mianyang621010,China；

2.NationalElectricalSafetyQualitySupervisionandInspectionCenter,MianyangProductQualitySupervisionandInspectionInstitute,

Mianyang621000,China；3.SichuanHuataiElectricCo.,Ltd.,Suining629000,China)

AbstractInordertoimprovethestateofcharge(S0C)estimationofthelithiumbatteryofthe