基于MIUKF算法的锂电池SOC和SOH联合在线估算研究.pdfVIP

摘要

当前我国能源与环境问题日益突显，电动汽车凭借其低污染高效能的优点得到了社会及

汽车产业研发部门的广泛关注。电池管理系统（BMS）被广泛用于管理、观察和保护电池以

确保车辆的安全可靠运行。锂电池的荷电状态（SOC）和健康状态（SOH）的估算是电池管

理系统中的关键部分，能够实时控制电池的能量均衡问题。本文将18650型锂电池作为实验

对象，对其建立等效电路模型并进行内部参数辨识，基于改进的算法实现对锂电池的SOC和

SOH的联合在线预估。

首先，本文详细介绍了锂电池的内部结构以及工作原理，同时对其基本性能指标进行分

析，重点分析了锂电池电压特性、电阻特性、容量特性以及充放电倍率特性。基于模型复杂

度以及精确度的考虑，本文考虑采用二阶RC等效电路模型。将实验数据进行多项式拟合得

到OCV-SOC的关系曲线，并用所提出的自适应遗传算法（AGA）对锂电池的内部参数进行

辨识，大大提高了辨识的精度。

然后，本文简要介绍了多种SOC估算方法，根据已辨识的模型参数，通过改进的无迹卡

尔曼滤波（UKF）算法，即引入多新息理论对传统的无迹卡尔曼滤波算法进行优化，将原本

系统的残差标量扩展为残差矩阵，从而使得卡尔曼增益扩展为卡尔曼增益矩阵，然后更新迭

代所有新旧数据来完成循环工况下锂电池SOC的在线预估。在UDDS测试工况下，将改进

后的算法估计值与原算法进行比较，验证了改进的算法的有效性以及具有较高的精度。

最后，本文在简要介绍了SOH估算方法的基础上，通过扩展卡尔曼滤波（EKF）算法来

实现锂电池容量的估计，然后用所提出的AGA-MIUKF-EKF算法进行锂电池SOC和SOH的

联合预估，在UDDS工况下，就AGA-MIUKF-EKF算法、AGA-UKF-EKF算法以及

AGA-MIUKF算法估计值进行详细的对比，该联合算法对SOC和SOH估算的最大误差为0.84%

和0.99%，具有较高的估算精度。

关键词:锂电池，荷电状态，健康状态，多新息理论，改进的UKF算法，SOC和SOH

联合预估

Abstract

Atpresent,mycountrysenergyandenvironmentalissuesarebecomingincreasinglyprominent,

andelectricvehicleshavereceivedwidespreadattentionfromsocialandautomotiveindustry

researchanddevelopmentdepartmentswiththeiradvantagesoflowpollutionandhighefficiency.

BatteryManagementSystem(BMS)iswidelyusedtomanage,observe,andprotectbatteriesto

ensurethesafeandreliableoperationofvehicles.Theestimationofstateofcharge(SOC)andstate

ofhealth(SOH)oflithiumbatteriesisakeypartofbatterymanagementsystems,whichcancontrol

theenergybalanceofthebatteryinreal-time.Thispapertakesthe18650lithiumbatteryasan

experimentalobject,establishesanequivalentcircuitmodelandcarriesoutinternalparameter

identification.Basedontheimprovedalgorithm,thejointonlinepredictionofSOCandSOHofthe

l