锂离子动力电池参数辨识及其SOC估计.docxVIP

锂离子动力电池参数辨识及其SOC估计

黄菊花;杨志平;曹铭;常江

【摘要】基于三阶RC等效电路模型,提出断点分层的参数辨识方法,通过增加脉冲放电个数提高参数辨识准确度;同时模型参数受温度、电流等诸多因素的影响,且系统噪声的不确定性,可能导致估算算法不收敛,自适应扩展卡尔曼滤波在每次迭代更新的时候,测量数据对状态变量进行动态修正,不断估算并修改干扰噪声的统计特性因而得出的SOC估算值较为准确.最后把估算结果和安时积分法与开路电压法的结合算法得到的曲线作比较,结果表明:该算法估算误差维持在2％左右,表现出优良的估算效果.

【期刊名称】《南昌大学学报（工科版）》

【年(卷),期】2019(041)001

【总页数】8页(P62-69)

【关键词】参数辨识;断点分层技术;自适应扩展卡尔曼滤波;安时积分法;开路电压法

【作者】黄菊花;杨志平;曹铭;常江

【作者单位】南昌大学机电工程学院,江西南昌330031;南昌大学机电工程学院,江西南昌330031;南昌大学机电工程学院,江西南昌330031;南昌大学机电工程学院,江西南昌330031

【正文语种】中文

【中图分类】TM912;TP391.9

锂离子动力电池凭借质量轻、能量密度高、功率密度高、自放电率低以及循环寿命长等特点，成为了电动汽车的最佳动力源，但相比于铅酸锰酸电池，锂电池表现出更为复杂的瞬态动力学特性，比如明显的迟滞现象和平衡电势的平台特性，这就对电池荷电状态(stateofcharge,SOC)的准确估算造成了很大的困难。文献[1]基于多次实验，对磷酸铁锂电池的电动势特性和超电势特性做了大量的研究，针对迟滞现象提出在模型中增加阻容特性的算法。

锂电池的等效模型主要分为3类：电化学模型、等效电路模型和人工神经网络模型，其中等效电路模型是目前应用最为广泛的电池模型。文献[2]对锂电池的电化学模型做了大量的研究，结果表明电化学模型能够很好的描述电池特性，但其结构复杂，方程中的各个参数都需要通过电化学方法测量获得，测试步骤繁琐；人工神经网络模型对电池的历史数据依赖性较大，对处理器的要求较高，并且需要大量的实验数据，均不适合应用在电动汽车上。文献[3]对内阻、戴维南等等效电路模型的优缺点进行了详细分析，它们或因为无法描述的阻容特性，或模型过于复杂，或响应的精度不高，都不适用于新能源汽车动力电池的建模。文献[4]通过大量试验得出了磷酸铁锂电池充放电特性曲线，在此基础上建立了PNGV(partnershipforanewgenerationofvehicle)等效电路模型。应用混合脉冲功率性能测试试验进行模型参数辨识，详细分析了典型温度下模型参数的变化规律。为此，本文在目前应用较多的PNGV模型的基础上进行改进，通过增加并联RC网络的阶数来提高电池的阻容特性，使其拟合曲线更加精确；同时由于系统噪声统计特性的不确定性，采用自适应扩展卡尔曼滤波算法对电池的SOC进行在线估算，很好地解决了安时积分法的累积误差和初值问题，并对系统噪声有很好地抑制作用；最后用变电流工况来验证该算法的精确度，把得出的SOC曲线与用安时积分法和开路电压法的结合算法(以下简称结合算法)估算曲线进行比较，对比结果表明该模型可以很好地模拟电池外特性，SOC的估算误差维持在2%左右，验证了自适应扩展卡尔曼滤波算法的可行性。

1电池模型的建立

PNGV等效电路模型是非线性模型，更好地表达了锂离子电池的阻容特性，但其模型参数受电池的运行工况影响较大。等效电路模型如图1所示，其中用Uocv来描述理想开路电压源，极化电阻R0模拟了端电压的突变特性，极化电容C0描述了负载电流因时间累计引起开路电压的变化，RC并联网络描述了端电压的渐变特性，Ubat为电池的端电压[5]。

图1改进型PNGV等效电路模型Fig.1ImprovedPNGVequivalentcircuitmodel

锂电池具有复杂的瞬态特性，大量的研究认为增加RC并联网络的个数可以提高模型的精度，但为了保证嵌入式设备中的实时性要求，模型的复杂度又不应过大。为了平衡模型精度与复杂度，本文在温度为25℃的恒温箱内对某公司生产的29Ah/3.7V三元锂电池进行脉冲充放电实验。在99%～100%的断点区间内，以1C放电，放电持续时间为36s，经过多次实验发现该三元锂电池在充放电结束后的30min左右，端电压的变化量保持在±0.0002V，所以本次实验的静置时间选为30min，图2为该断点区间内脉冲的放电曲线。

t/s图21C脉冲放电曲线Fig.2Pulsedischargecurveat1Crate

由图2可知，在脉冲放电开始瞬间，由于电池内阻，电压值从A点突变下降至B点，然后因为阻容特性电压值缓慢降