文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.223341
中文引用格式： 王祥，蘇建徽，賴紀東，等. 基于AEKF的鋰離子電池SOC估算[J]. 電子技術應用，2023，49(4)：57-62.
英文引用格式： Wang Xiang，Su Jianhui，Lai Jidong，et al. SOC estimation of lithium-ion battery based on AEKF[J]. Application of Electronic Technique，2023，49(4)：57-62.
0 引言
近年來，鋰離子電池以能量密度高、無記憶效應、工作電壓高等優點在電動汽車等領域已獲得普遍認可。鋰離子電池是一個復雜的電化學系統，使用不當會加速老化過程以及影響安全性能，為了有效避免電池過充和過放，提高電池的安全性和使用壽命，電池SOC的精確估算尤為重要。然而SOC是電池內部的狀態量，不能直接測量得到，但可以通過僅有的電流、電壓、溫度信息進行估算，因此基于電池外特性的SOC精確估算方法成為研究熱點。
當下，鋰離子電池SOC估算方法主要包括開路電壓法、安時積分法、神經網絡法、基于模型的卡爾曼類濾波方法等。開路電壓法容易受到不確定因素的干擾，如溫度、電池的老化程度、靜置時間等。安時積分法需要通過其他方法獲取初值，電流測量精度直接影響估算效果，精度過低會造成一定的累積誤差。神經網絡法需要大量和全面的數據進行訓練，數據的數量和質量以及訓練方法都會對估算效果產生較大的影響?；谀Ｐ偷目柭悶V波算法需要依賴精確的等效模型，此外初值的選取也很重要。XU等在基于鋰離子電池等效模型的基礎上，采用在線辨識模型參數和無跡卡爾曼濾波算法進行鋰離子電池的SOC估算，平均估算誤差在2%左右。施輝偉等在Thevenin模型的基礎上使用拓展卡爾曼濾波算法實現了在不同溫度、放電倍率和初始誤差下對電動汽車電池SOC的精準估算。Almaita等提出了長短期記憶神經網絡模型，對鋰離子電池的SOC進行估算，最大估算誤差小于0.62%。然而以上研究均未考慮噪聲對估算精度的影響，存在一定的局限性。
本文針對拓展卡爾曼濾波算法進行鋰離子電池SOC估算時過程噪聲和觀測噪聲固定不變的問題，提出一種基于等效模型的自適應拓展卡爾曼濾波算法，在拓展卡爾曼濾波算法的基礎上引入觀測噪聲信息和過程噪聲信息協方差匹配環節，能夠有效提高鋰離子電池SOC的估算精度。
本文詳細內容請下載：http://www.cowatch.cn/resource/share/2000005283
作者信息：
王祥，蘇建徽，賴紀東，周晨光，蘇志鵬
（合肥工業大學 光伏系統教育部工程研究中心，安徽 合肥 230009）
