基于Thevenin模型和改进扩展卡尔曼的特种机器人锂离子电池SOC估算方法

作     者：熊然 王顺利 于春梅 夏黎黎 XIONG Ran;WANG Shunli;YU Chunmei;XIA Lili

作者机构：西南科技大学信息工程学院四川绵阳621010 

出 版 物：《储能科学与技术》 (Energy Storage Science and Technology)

年 卷 期：2021年第10卷第2期

页      面：695-704页

核心收录：

学科分类：0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金项目(61801407) 四川省科技厅重点研发项目(2018GZ0390,2019YFG0427) 四川省教育厅科研项目(17ZB0453) 西南科技大学素质类教改(青年发展研究)专项项目(18xnsu12)。 

主　　题：特种机器人 锂离子电池 Thevenin等效电路模型 荷电状态 扩展卡尔曼滤波算法 不同温度 

摘      要：特种机器人由于其复杂的工作环境,要求使用精度高、追踪能力强的荷电状态(state of charge,SOC)估算方法对特种机器人锂离子电池进行实时状态监测及安全控制。SOC是电池管理系统中最重要的参数之一。由于特种机器人工作环境具有强烈的非线性特征,考虑到常用的安时积分法十分依赖初期SOC准确性且在估算后期会积累误差。因此,针对特种机器人的工作特性,以三元锂离子电池为研究对象,在Thevenin等效电路模型及多种工况实验的基础上,利用一种改进扩展卡尔曼滤波(improved extended Kalman filter,IEKF)算法在10、25以及35℃下对锂离子电池进行SOC估算。在MATLAB/Simulink中搭建仿真模型并结合多种工况数据进行性能分析。实验结果表明,利用IEKF算法估算三元锂离子电池的SOC值有较好的追踪与收敛效果,且收敛时间在80 s以内。在不同温度下,IEKF算法收敛后HPPC工况和BBDST工况的最大估算误差分别低于2.235%及3.004%,小于扩展卡尔曼滤波(extended Kalman filter,EKF)算法对应最大估算误差(9.067%和4.654%)。本研究验证了IEKF算法在估算锂离子电池SOC时具有较高的精度,为有效解决特种机器人锂离子电池SOC值无法精准估算的问题提供了实验依据。