磷酸鐵鋰離子電池組荷電狀態(tài)估計的研究

磷酸鐵鋰離子電池組的荷電狀態(tài)估計是為了更好地應用電池組作為動力鋰電池。本文選取了二階RC電池模型，采用自適應噪聲匹配的無軌卡爾曼濾波方法對電池組的荷電狀態(tài)進行估計，提高了卡爾曼濾波算法的精度。仿真結果和實驗驗證表明，該算法具有較高的估計精度和良好的soc估計效果。

電池荷電狀態(tài)的計算是BMS系統(tǒng)的重要前提。準確估算動力鋰電池組的荷電狀態(tài)，可以提高電池的安全性能，有效保護電池，延長電池組的使用壽命，提高電池的使用效率。

動力鋰電池soc估計的難點在于電池系統(tǒng)復雜的動態(tài)特性。因此，soc估計的關鍵是建立合適的電池模型，選擇合適的估計方法。常用的電池模型有電化學模型、神經網絡模型和等效電路模型。本文選擇了能準確反映電池組動態(tài)特性的二階RC等效電路模型。卡爾曼濾波算法能夠實時跟蹤系統(tǒng)的狀態(tài)，適用于電力電池荷電狀態(tài)的估計。

卡爾曼濾波算法應用于線性系統(tǒng)的評估方法,和電池是一個復雜的非線性系統(tǒng),因此有利用泰勒展開線性化的非線性系統(tǒng)的擴展卡爾曼濾波(EKF)算法,EKF算法可以應用到一個好的電池soc估算研究,但計算過程相對復雜,計算的穩(wěn)定性較差,因此本文采用無跡卡爾曼濾波(UKF)算法,該算法基于UKF對系統(tǒng)狀態(tài)變量進行UT變換，符合狀態(tài)變量可以轉換成狀態(tài)變量的統(tǒng)計性質的幾個采樣點，然后在系統(tǒng)方程中進行運算。UKF算法比EKF算法簡單、穩(wěn)定。

為了進一步提高計算精度，采用自適應匹配算法實時更新系統(tǒng)的狀態(tài)噪聲和觀測噪聲，可以進一步提高系統(tǒng)方程的精度和算法的精度。