摘 要

由于现代经济进程加快，汽车工业的高速发展，导致汽车数量在近几年内急剧增多，由此引发的能源危机、交通堵塞、环境污染问题引起了越来越多人的关注。为了解决这一问题，人们把目光越来越多的集中到电动汽车的研究上。锂电池荷电状态用来描述充电电池剩余电量，是电池管理信息系统中的核心技术参数之一，是电池管理系统（BMS）实现其功能的重要参考。所以能否准确的估计SOC对于电池其他性能的研究具有极其重要的意义。目前使用的SOC估算方法非常多，近年来，扩展卡尔曼滤波算法（EKF）作为SOC的估算方法，由于可以用来处理非线性问题，引起了人们广泛的关注。

本文以扩展卡尔曼滤波算法作为理论知识基础，通过HPPC工况实验得到足够的电压电流数据，在Simulink软件中搭建锂离子电池二阶RC等效电路模型，使用Matlab编程进行系统仿真结果分析，将SOC实际值与预测值进行分析。结果证明EKF算法对锂离子电池SOC的变化非常敏感，能够进行实时跟踪预测，具有高控制精度和较强的抗干扰能力，且对SOC初始值得精度要求不高，并且可以将预测值与实际值的误差控制在3%左右。

关键词：扩展卡尔曼滤波；荷电状态；锂离子电池；二阶RC电路等效模型

ABSTRACT

Due to the acceleration of modern economic process and the speedy development of automobile industry, the number of automobiles has increased dramatically in recent years. The resulting energy crisis, traffic jam and environmental pollution have attracted more and more people’s attention. In order to solve this problem, people are focusing more and more on the research of electric vehicles. The state of charge of lithium battery is used to describe the residual capacity of the rechargeable battery. It is one of the core technical parameters in the battery management information system and an important reference for the battery management system (BMS) to realize its functions. So it is very important to estimate SOC accurately for the study of other battery performance. At present, there are many SOC estimation methods. In recent years, the extended Kalman filter algorithm (EKF), as the estimation method of SOC, has attracted wide attention because it can be used to deal with nonlinear problems.

In this paper, the EKF algorithm as the theoretical knowledge base, obtains sufficient voltage and current data through the HPPC working condition experiment, builds a second-order RC equivalent circuit model of Iibs in Simulink software, and uses Matlab programming to analyze the system simulation results. The actual and predicted values of SOC are analyzed. The results prove that the EKF algorithm is very sensitive to changes in the SOC of lithium-ion batteries and can track and predict in real time. It has high control accuracy and strong anti-interference ability. Moreover, it does not require high accuracy of SOC initial value, and it can control the error between predicted value and actual value at about 3%.

Keywords：Extended Kalman filter; state of charge; lithium ion battery; second order RC circuit equivalent model

目 录

摘要……………………………………………………………………………………………Ⅰ

ABSTRACT……………………………………………………………………………………Ⅱ

第1章 绪论……………………………………………………………………………………1

1.1 课题目的 ………………………………………………………………………………1

1.2 课题背景和意义 ………………………………………………………………………1

1.3 SOC估计方法的国内外研究现状 ……………………………………………………2

1.4 本课题研究的内容及章节安排 ………………………………………………………3

第2章 锂离子电池工作原理及SOC估算方法………………………………………………5

2.1 锂离子电池的工作原理 ………………………………………………………………5

2.2 锂离子电池SOC定义…………………………………………………………………6

2.3 常用的SOC估计方法…………………………………………………………………6

2.3.1 安时积分法……………………………………………………………………7

2.3.2 测量内阻法……………………………………………………………………7

2.3.3 开路电压法……………………………………………………………………8

2.3.4 神经网络法……………………………………………………………………8

2.3.5 线性模型法……………………………………………………………………8

2.3.6 卡尔曼滤波法…………………………………………………………………9

2.4 本课题采用的SOC方法 ……………………………………………………………9

2.5 本章小结 ……………………………………………………………………………10

第3章 锂离子电池模型的建立与验证……………………………………………………11

3.1 锂离子电池的主要特性参数 ………………………………………………………11

3.1.1 电池容量……………………………………………………………………11

3.1.2电池电压……………………………………………………………………12

3.1.3电池电阻……………………………………………………………………12

3.2 等效电路模型的选择 ………………………………………………………………13

3.2.1 常用的等效电路模型…………………………………………………………13

3.2.2 锂离子电池模型的选用………………………………………………………15

3.3二阶RC等效电路模型建模影响因素………………………………………………16

3.3.1 温度……………………………………………………………………………16

3.3.2 充放电倍率……………………………………………………………………16

3.3.3 循环寿命………………………………………………………………………17

3.4 等效电路模型的建立…………………………………………………………………17

3.4.1 HPPC特性实验…………………………………………………………………17

3.4.2 等效电路模型的建立 …………………………………………………………18

3.5 等效电路模型参数辨识………………………………………………………………19

3.6 本章小结………………………………………………………………………………20

第4章 基于EKF的SOC算法的实现与验证………………………………………………22

4.1 卡尔曼滤波原理及算法………………………………………………………………22

4.2 基于EKF对电池模型SOC估计 ……………………………………………………23

4.2.1 电池模型状态空间方程………………………………………………………24

4.2.2 SOC估算结果及估计…………………………………………………………25

4.3 本章小结………………………………………………………………………………30

第5章 总结与展望……………………………………………………………………………31

5.1总结 ……………………………………………………………………………………31

5.2展望 ……………………………………………………………………………………31

致谢 ……………………………………………………………………………………………33

参考文献 ………………………………………………………………………………………34

第1章 绪论

1.1 课题目的

为了对电池的荷电状态（SOC）进行较为准确的预测，并研究EKF算法在用于估计锂离子电池SOC值时的准确性。本课题通过研究目前各种SOC估计方法的工作原理，通过HPPC工况实验，得到足够多的电压和电流数据。基于扩展卡尔曼滤波算法，利用这些数据，在Simulink软件中搭建一个二阶RC等效电路模型，利用这个模型对SOC进行预测，最后利用Matlab编程绘制曲线图，将SOC的实际值与预测值进行对比分析。

1.2 课题背景和意义

随着全球市场经济的快速发展，人们日常生活质量水平直线上升，汽车工业企业技术也在不断成熟，汽车数量急剧增长，由于柴油、汽油和其他化石燃料在交通运输中的广泛使用，它们的全球储量正在迅速减少。传统燃料的广泛使用会产生大量的二氧化碳，对环境产生有害影响，如全球变暖、冰川融化。在推崇绿色经济，提倡可持续发展的时代背景下，新能源汽车成为中国未来汽车发展的重要方向和主要工作内容。其热点主要集中在纯电动汽车（EV）、混合动力汽车（HEV）和燃料电池汽车（FCEV）的发展研究上。而二次电池由于可循环使用，且使用时无噪声污染，相对于其他能源性价比较高，受到人们的关注。

储能系统（ESS）技术仍是电动汽车行业的发展方向，近年来，铅酸电池、锂离子电池、镍镉电池等不同的储能系统在实际生活中得到了广泛的应用，其中，锂离子电池因其丰富的优点受到更为广泛的运用。在电动汽车领域，智能电池管理系统（BMS）是必不可少的组成部分之一，它不仅能准确提供电池的状态信息，如可用功率状态（SOP）、健康状态（SOH）、生命状态（SOL）和充电状态（SOC），而且保证了锂离子电池在应对具有挑战性的驾驶条件的同时，可以安全可靠、高效持久的运行。此外，BMS还可以感应电池电压、电流、温度，避免过充过放，延长了电池的使用寿命。