《基于卡尔曼滤波的电动汽车soc估计.》

《《基于卡尔曼滤波的电动汽车soc估计.》》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、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

2、波；电动汽车；荷电状态(soc)1‘^-‘_—_L1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(Stateofcharge)描述蓄电池的剩余电量，是电池

3、使用过程中最重要的参数之一。SOC值的大小直接反映了电池所处的状态，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。2SOC定义蓄电池荷电状态SOC(stateofcharge)耳1：I

4、蓄电池所剩电量与电池总容量的比，通常把一定温度下电池充电到不能再吸收能量的SOC定义为100％，而把电池不能放出能量时的SOC定义为0％，计算公式如下：SOC=eQm—Q(In)】7QmmQf，L夕=fI／．at(2)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

5、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∽其中，SOCo为充放电起始状态，cn为电池的额定容量；i(t)茭tJ电池的瞬时电流(放电状态为正，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

6、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

7、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，在短时间内具有较高精度，但长时间工作时有较大的累积误差【6】。各种智能算法和新型算法由于还不是很成熟，有些复杂算法在中低端单片机系统上难以实现，所以在实际应用中还不多见，但这是未来发展的方向。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SOC进行估算。该方法适用于各种电池，与其他方法相比，尤其适合于电流波动比较剧烈的电动汽车动力电池SOC的估计，它不仅给出了S

8、OC的估计值，还给出了SOC的估计误差。该方法并不需要一个精确的SOC初值，因为随着时间的增加，其结果会迅速接近最优值，因此使用起来更加方便。4基于卡尔曼滤波算法的SOC估计卡尔曼滤波器在1960年由ILE．Kalman提出，是一个最优化自回归数据处理算法，其核心思想是对动力系统的状态做出最小方差意义上的最优估计，具体算法见参考文献[7】。卡尔曼滤波器用于初始SOC估计时，可将电池描述为由状态方程和