基于EKF的蓄电池荷电状态在线估算
2022-06-09
赵砚青杨菲
（山东智洋电气股份有限公司，山东淄博255086）
摘要：针对电力系统迫切需要快速、准确估算蓄电池荷电状态的需求，在分析传统SOC估算方法不足的前提下，基于扩展卡尔曼滤波算法进行蓄电池的实时在线估算及模型修正，对蓄电池的放电数据建立相关模型簇，并通过实验验证该方法的有效性。
教育期刊网 http://www.jyqkw.com
关键词 ：扩展卡尔曼滤波；蓄电池；荷电状态；最小二乘；参数辨识
0引言
目前，国内外对蓄电池SOC估算的方法主要有放电实验法、安时积分法、开路电压法、内阻法、神经网络法、卡尔曼滤波法、扩展卡尔曼滤波法等［1?2］。为避免以上方法存在的缺陷，本文所提出的方法，首先通过间歇式放电获取开路电压—荷电状态的函数关系式V（SOC），然后从蓄电池模型入手，进行各放电阶段模型参数的辨识，最后基于扩展卡尔曼滤波（EKF）对蓄电池进行在线估算SOC，同时定期或临界点时对蓄电池的辨识模型进行修正，并通过实验证明该方法的可行性。
1蓄电池模型的建立
本文为了验证方法的有效性，选取了简单的一阶Thevenin模型［3］，如图1所示。
3实验验证
为验证本文所提出方法的有效性及优越性，结合所测实际数据，经MATLAB仿真后，得图3所示的SOC估算对比图和图4所示的SOC估算误差对比图。
由图3和图4可以看出对比安时积分法，基于EKF的SOC估算精度更高；对比传统的基于EKF算法估算SOC，本文所提出的方法对长期运行后的蓄电池的SOC估算精度更高。
4结语
实验结果表明，本文所提出的方法可以更好地跟踪SOC真实值，并通过模型参数的不断修正，避免了对于长期运行后的电池估算误差较大的问题，整个策略具有很强的实用性。
［教育期刊网 http://www.jyqkw.com
参考文献］
［1］季迎旭，杜海江，孙航.蓄电池SOC估算方法综述［J］.电测与仪表，2014，51（4）：18?22.
［2］戴海峰，魏学哲，孙泽昌.基于扩展卡尔曼滤波算法的燃料电池车用锂离子动力电池荷电状态估计［J］.机械工程学报，2007，43（2）：92?95.
［3］张金龙，漆汉宏.基于二维参数辨识的蓄电池SOC估计［J］.电工电能新技术，2014，33（9）：30?34.
［4］高玉峰，孙磊，刘亚龙，等.基于EKF算法的铅酸蓄电池SOC在线估计［J］.电源技术，2014，38（2）：303?306.
［5］何小霞，詹勤辉，代尚林，等.基于卡尔曼滤波器的蓄电池荷电状态估算［J］.广东电力，2013，26（2）：40?44.
收稿日期：2015?07?01
作者简介：赵砚青（1970—），男，山东淄博人，工程师，研究方向：电力自动化技术、工业自动化监控技术及智能综合布线工程技术。