《基于卡尔曼滤波的电动汽车SOC估计.》.pdf
文本预览下载声明
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
显示全部