基于MIUKF算法的锂电池SOC和SOH联合在线估算研究.pdf
摘要
当前我国能源与环境问题日益突显,电动汽车凭借其低污染高效能的优点得到了社会及
汽车产业研发部门的广泛关注。电池管理系统(BMS)被广泛用于管理、观察和保护电池以
确保车辆的安全可靠运行。锂电池的荷电状态(SOC)和健康状态(SOH)的估算是电池管
理系统中的关键部分,能够实时控制电池的能量均衡问题。本文将18650型锂电池作为实验
对象,对其建立等效电路模型并进行内部参数辨识,基于改进的算法实现对锂电池的SOC和
SOH的联合在线预估。
首先,本文详细介绍了锂电池的内部结构以及工作原理,同时对其基本性能指标进行分
析,重点分析了锂电池电压特性、电阻特性、容量特性以及充放电倍率特性。基于模型复杂
度以及精确度的考虑,本文考虑采用二阶RC等效电路模型。将实验数据进行多项式拟合得
到OCV-SOC的关系曲线,并用所提出的自适应遗传算法(AGA)对锂电池的内部参数进行
辨识,大大提高了辨识的精度。
然后,本文简要介绍了多种SOC估算方法,根据已辨识的模型参数,通过改进的无迹卡
尔曼滤波(UKF)算法,即引入多新息理论对传统的无迹卡尔曼滤波算法进行优化,将原本
系统的残差标量扩展为残差矩阵,从而使得卡尔曼增益扩展为卡尔曼增益矩阵,然后更新迭
代所有新旧数据来完成循环工况下锂电池SOC的在线预估。在UDDS测试工况下,将改进
后的算法估计值与原算法进行比较,验证了改进的算法的有效性以及具有较高的精度。
最后,本文在简要介绍了SOH估算方法的基础上,通过扩展卡尔曼滤波(EKF)算法来
实现锂电池容量的估计,然后用所提出的AGA-MIUKF-EKF算法进行锂电池SOC和SOH的
联合预估,在UDDS工况下,就AGA-MIUKF-EKF算法、AGA-UKF-EKF算法以及
AGA-MIUKF算法估计值进行详细的对比,该联合算法对SOC和SOH估算的最大误差为0.84%
和0.99%,具有较高的估算精度。
关键词:锂电池,荷电状态,健康状态,多新息理论,改进的UKF算法,SOC和SOH
联合预估
Abstract
Atpresent,mycountrysenergyandenvironmentalissuesarebecomingincreasinglyprominent,
andelectricvehicleshavereceivedwidespreadattentionfromsocialandautomotiveindustry
researchanddevelopmentdepartmentswiththeiradvantagesoflowpollutionandhighefficiency.
BatteryManagementSystem(BMS)iswidelyusedtomanage,observe,andprotectbatteriesto
ensurethesafeandreliableoperationofvehicles.Theestimationofstateofcharge(SOC)andstate
ofhealth(SOH)oflithiumbatteriesisakeypartofbatterymanagementsystems,whichcancontrol
theenergybalanceofthebatteryinreal-time.Thispapertakesthe18650lithiumbatteryasan
experimentalobject,establishesanequivalentcircuitmodelandcarriesoutinternalparameter
identification.Basedontheimprovedalgorithm,thejointonlinepredictionofSOCandSOHofthe
l