基于平滑性假设的锂电池开路电压-荷电状态映射提取

开路电压(OCV)是准确估计电动汽车锂离子电池荷电状态(SoC)的重要参数。由于OCV-SoC的映射关系随着电池老化而持续变化,因此在某一特定阶段确定的OCVSoC函数无法适用于电池全生命周期内的SoC估计,由此需要对OCV进行定期测试及老化校准。受OCV-SoC曲线迟滞现象的影响,传统的OCV测试通常需要数天时间才能获得一个或多个完全充放电周期的数据,因此从电动车实际运行的维度上缺乏OCV实时测试和校准的可实现性。本文提出了一种快速灵活的OCV-SoC提取方法,主要基于锂电池放电过程的OCV-t曲线平滑性假设,利用非支配排序遗传算法(NSGA-Ⅱ)实现基于任意电流-电压测量数据的OCV-SoC关系提取;随后在UDDS工况下结合拓展卡尔曼滤波(EKF)进行了SoC验证。结果表明,基于平滑性假设可以有效地构建OCV-SoC的映射关联,其中SoC的最大估计误差为2%,且不受滤波器SoC初值的影响。