电池SOC仿真系列-基于EKF算法的电池SOC估算研究

基于 EKF算法的电池SOC估算

1、SOC估算模型的选择

  电池模型是电池状态估计算法研究的基础，模型的选取需要综合考虑模型的精度、复杂度、实用性等因素。由于电化学模型涉及电池内部反应机理，模型比较复杂；神经网络模型的应用需要基于大量实验数据进行数据训练；而等效电路模型简单，且物理意义清晰。综合考虑，等效电路模型更适用于本项目的研究。选用一阶RC模型，模型较简单，模型精度较高，应用也比较广泛。如下图所示。

  一阶RC模型，由如下几部分组成：1）理想电压源，表示开路电压OCV（随SOC的不同而变化）；2）欧姆内阻R0，极化内阻R1；3）极化电容C1，反映电池的瞬态响应。记U1为R1 C1两端的电压，I为通过R0的电流，Ut为端电压，一阶RC模型的外特性描述方程可以写成：

2、SOC估算方法

  以SOC估计为核心的内短路状态估计算法具体包括以下几步：
  1）离线辨识：
  基于容量测试结果标定获得电池容量Qst，基于HPPC测试结果标定获得电池在不同SOC、不同温度条件下的OCV，R0，R1，C1。获得查表函数[OCV,R0, R1, C1]= f (SOC,T)；
  2）在线计算：
  生成模型先验值

  生成误差

  利用Kalman滤波原理生成反馈增益系数

  SOC后验修正

3、SOC估算Simulink模型

  用于SOC估算的Simulink模型如下所示。

  模型总体模块包括：
  1、数据输入，输入的数据时间-Time，电流-Current，电压-Voltage，温度-Temperature，容量-CAP。

  2、计算时间间隔。


  3、计算充放电倍率及电流符号。


  4、SOC估算模块。

  5、结果输出，SOC结果，模型端电压，实测端电压。

4、SOC计算模块分析

  具体包括：EKF算法估计SOC，查表法获得不同的参数值（基于HPPC测试结果标定查表获得电池在不同SOC、不同温度、不同倍率条件下的OCV，R0，R1，C1 ，dVdS）。

  EKF算法SOC估算：

4.1、SOC估算状态方程

4.2、计算模型端电压

  其中RC两端电压U1模型如下所示：

4.3、利用Kalman滤波原理生成增益系数Lk

  1、状态误差时间更新

  2、卡尔曼增益系数Lk计算

  3、状态误差测量更新

4.4、SOC后验修正

5、仿真验证

  将做好的电池测试数据导入

5.1、不同工况验证

  DST工况，FUDS工况

5.2、不同温度验证

  25℃，0℃

  从仿真结果可知，不管是相同温度下的不同工况，还是相同工况下的不同温度，EKF算法均具有较高的SOC估算精度！
  欢迎关注我的微信公众号，感谢大家的支持！