锂离子电池参数辨识及荷电状态的估算

作者：刘志聪; 张彦会^*

来源：储能科学与技术, 2022, 11(11): 3613-3622.

DOI：10.19799/j.cnki.2095-4239.2022.0298

• 锂离子电池
• 等效电路模型
• 带遗忘因子的递推最小二乘法
• 扩展卡尔曼滤波

实现对锂电池的荷电状态(state of charge,SOC)的准确估算对电动汽车电池管理系统具有重要意义。采用了二阶RC等效电路模型对电池进行精确建模，并分别利用离线参数辨识和带遗忘因子的递推最小二乘法的在线参数辨识方法对等效电路中的参数进行辨识，在确保模型精度满足要求后，利用扩展卡尔曼滤波(extended Kalman filter,EKF)算法来实现对电池SOC的准确估算。以美国联邦城市运行工况(federal urban driving schedule,FUDS)和城市道路循环工况(urban dynamometer driving schedule,UDDS)进行仿真实验，并将实验中标准SOC值与离线辨识和在线辨识的SOC估计值进行对比分析。实验结果表明，在FUDS工况和UDDS工况下利用EKF算法估算SOC的平均误差都在2.5%以下，且在线参数辨识模型比离线参数辨识模型的平均误差分别降低了0.7%和0.9%。证明了EKF算法能实现对电池SOC的准确估算，且在线参数辨识方法下的电池模型具有更高的估算精度。

• 单位
  广西科技大学