基于UKF的電池荷電狀態(tài)估計算法研究

在混合動力電動汽車電池管理系統(tǒng)中，SOC的在線估計是非常重要的。摘要針對廣泛應用于非線性系統(tǒng)中電力系統(tǒng)SOC估計算法的擴展卡爾曼濾波(EKF)存在精度損失的問題，采用無軌卡爾曼濾波(UKF)來提高估計精度。摘要研究了一種改進的電動勢電池等效模型，討論了該模型的參數(shù)和空間狀態(tài)方程，并將UKF應用于估計電池荷電狀態(tài)。實驗分析表明，與開路電壓法得到的真實SOC值相比，UKF與EMF電池等效模型相結合的估計算法具有較高的準確性。估計誤差小于5%，SOC估計結果明顯優(yōu)于EKF，具有較高的實用價值。

功率單元等效模型是SOC估計的重要方法。在建模方面，本文采用的EMF模型考慮了溫度、極化等因素對SOC估計的影響。當溫度變化較大時，對電壓進行適當補償:在算法上。在UKF的對稱采樣中加入比例校正方法。防止了局部效應問題;在電池SOC的估計過程中，UKF比EKF更容易實現(xiàn)，可以獲得更高的狀態(tài)估計精度?？梢灶A見，基于合適的電池等效模型，UKF在其他類型電池SOC估計中也有廣闊的應用空間。因此，有必要進一步實現(xiàn)基于UKF的SOC估計方法工程。

在如下圖所示的隨機電流放電狀態(tài)下的SOC估計中，UKF方法再次顯示出了較強的誤差抑制能力。通過比較兩種方法，可以得到SOC曲線。SOC估計誤差由EKF方法的峰值接近7%,而峰值UKF方法出現(xiàn)的誤差小于5%相比之下:此外,在整個評估過程中,EKF方法所出現(xiàn)的誤差有幾個暴力波動,而出現(xiàn)的錯誤UKF是相對穩(wěn)定的。所以我們了解。并與ocv得到的SOC的真實值曲線進行了比較。在兩種放電狀態(tài)下，功率電池SOC的UKF估計比EKF有更好的準確性和穩(wěn)定性。

隨機放電狀態(tài)下SOC估計的比較(a)SOC估計結果的比較(b)SOC估計結果誤差的比較

電動汽車作為新能源汽車的代表。已經(jīng)成為一個新的產(chǎn)業(yè)。動力鋰電池作為電動汽車的動力源，在實踐中得到越來越廣泛的應用。然而，關于許多汽車電池管理系統(tǒng)。電池技術的缺陷使SOC難以準確估計。UKF對非線性系統(tǒng)具有良好的濾波效果。這里，我們使用UKF算法和改進的EMF等效模型來估計電池的荷電狀態(tài)。并與EKF方法進行了比較。實驗證明。UKF和EMF等效模型的結合有效地提高了SOC估計的準確性和可靠性。