基于优化OCV-AH积分法的SOC估计

针对传统安时积分法估算锂电池荷电状态(SOC)存在精度不足的问题,文章提出一种优化开路电压-安时积分法(OCV-AH)的锂电池SOC估计算法。该优化OCV-AH积分法主要包括静态SOC初始值的校正和动态安时积分法的优化。首先将静置法数据分段拟合涓流放电曲线,得到高精度的OCV-SOC特性曲线作为校正SOC初始值的依据;然后在考虑了温度、放电倍率和充放电循环次数对电池实际容量的影响后,计算出修正系数,加入安时积分法中,动态修正电池的实际容量。最后,在Simulink中搭建了优化OCV-AH积分法的模型,并在DST工况下,将优化安时积分法与传统安时积分法进行仿真对比,验证了该文设计的优化OCV-AH积分法对于SOC初始值校正和SOC动态估算的精确性。

锂电池分数阶建模及SOC估计策略

为了提高锂电池模型的精度,实现锂电池状态的精确估计,本工作在二阶RC等效电路的基础上建立了锂电池的二阶分数阶电气模型,并采用自适应遗传算法实现分数阶模型的参数辨识,加快了算法收敛速度,缩短了辨识时间,避免陷入局部最优解,提高了模型参数精度;在分数阶电气模型的基础上,采用了一种基于施密特正交变换思想的无迹粒子滤波的状态估计方法,与传统的无迹粒子滤波算法相比,在采样点选取过程中,采用一种标准采样与施密特正交变换相结合的办法,对对称采样的粒子进行筛选,减少了采样点的数量,提高了计算效率,并能有效避免由于系统的非线性引起的估算结果发散或单一使用粒子滤波而引起的粒子数短缺。仿真结果表明所建立的锂电池分数阶电气模型能更精确描述锂电池的充放电动态特性,所提出的状态估计策略精度相比于常规控制策略具有更高的精度,系统鲁棒性提高,可以在误差仅为1%的范围内估计锂电池的SOC,并提高了计算效率,易于算法的实时实现。