基于模糊自适应扩展卡尔曼滤波器的锂电池SOC估算方法

精确的锂电池荷电状态(SOC)在线估算可以有效地延长电池使用寿命,提高电池的安全性,对于电动汽车电池管理系统(BMS)而言至关重要。针对自适应扩展卡尔曼滤波(AEKF)算法运行初期收敛速度缓慢问题,该文提出模糊AEKF(FAEKF)算法可以改善收敛速度。以NCR18650B型三元锂电池的实际端电压与预测端电压差值的绝对值及其变化率作为模糊输入,以卡尔曼滤波器的系统测量噪声R作为模糊输出,通过对R进行模糊控制来调节算法在迭代过程中的增益K,进而实现收敛速度的模糊调节。实验结果表明,在0.5C倍率恒流放电工况和动态应力测试工况(DST)条件下,改进的算法相比于扩展卡尔曼(EKF)和AEKF算法,在不降低估算精度的情况下能够明显地提高收敛速度,在SOC在线估算中更具有实用性。

锂离子电池健康状态多因子在线估计方法

针对传统的锂离子电池健康状态估计方法仅用电池欧姆内阻作为单因子评估指标时存在较大误差的问题,提出了一种利用电池欧姆内阻、极化内阻与极化电容共3个模型参数构建的多因子评估模型。选用一阶RC等效电路模型作为基础电路模型,并通过仿真实验验证了所选择电路模型的准确性。对同一型号的多组三元锂离子电池进行循环老化实验,得到离线辨识的模型参数,发现等效电路模型中的欧姆内阻、极化内阻、极化电容与健康状态存在确定的关系。通过带约束的最小二乘算法求解对应模型参数的权重,并以卡尔曼滤波算法在线辨识模型参数,实时获得基于多因子模型的综合电池健康状态。将所提方法与仅用欧姆内阻评估的方法进行了对比,结果表明:所提方法评估锂离子电池真实健康状态的误差变化范围较小,基本在1%左右,精度更高。

变论域双模糊控制器在锂电池均衡策略仿真中的应用

针对固定阈值均衡策略和传统模糊均衡策略在电池组充放电末期易造成过压或欠压保护误动作而不能全程均衡,并且在电池间存在较大差异时均衡力度不足的问题,提出变论域双模糊控制器(VDF)均衡策略。以NCR18650B型三元锂电池充放电实验数据建立锂电池仿真模型,以单体锂电池的荷电状态(SOC)作为一级模糊控制器输入,将其输出与锂电池工作电流的乘积用于调节二级模糊控制器输出论域;以单体锂电池SOC与电池组平均SOC的差及其变化率作为二级模糊控制器输入,其输出作为均衡电流;以电池组内单体电池间SOC极差表征电池间的不一致性,以极差首次收敛至0.05确定均衡时间。Simulink仿真结果表明:VDF均衡策略可以有效降低电压保护误动作;与传统模糊均衡策略相比,在恒流充放电工况和自定义动态应力测试工况下,VDF均衡策略均衡速度可以提高30%以上;在电池间存在较大差异时,均衡结束后VDF均衡策略的一致性可以提高20%以上。