中国机械工程第26卷第3期2015年2月上半月
基于扩展卡尔曼粒子滤波算法的锂电池SOC 估计
赵又群暋周晓凤暋刘英杰
南京航空航天大学,南京,210016
摘要:锂电池荷电状态用来描述电池剩余电量的多少,进而反 映 电 动 汽 车 的 续 驶 里 程,是 电 池 管 理
系统中的核心参数。电池循环次数、瞬间大电流以及温度等因素都会使电池特性发生变化,使用扩展卡
尔曼滤波算法对电池荷电状态进行估计,会有较大的误差甚至导致算 法 不 收 敛。为 了 有 效 地 抑 制 发 散
以及噪声的影响,基于锂电池混合噪声模型,应用扩展卡尔曼粒子滤波算法对锂电池荷电状态和电流漂
移噪声进行同步估计。最后根据充放电试验数据进行仿真分析,结果证明了该算法的优越性。
关键词:锂电池;荷电状态;混合噪声模型;扩展卡尔曼粒子滤波
中图分类号:U463暋暋暋暋暋暋DOI:10.3969/j.issn.1004 132X.2015.03.019
SOCEstimationforLi飊IonBatteryBasedonExtendedKalmanParticleFilter
CollegeofEnergyandPowerEngineering,NanjingUniversityof
ZhaoYouqun暋ZhouXiaofeng暋LiuYingjie
AeronauticsandAstronautics,Nanjing,210016
Abstract:Asthekeyparameterforpowerbatterymanagement,theSOCofLi飊ionbatteryde灢
scribedtheresidualcapacity,andindicatedtheremainderdrivingrangeofelectricvehicles.Thecycles,
instantaneoushighcurrent,abnormaltemperaturesandotherfactorswouldchangecellcharacteristics,
whichmightintroducelargererrorsevendivergenceovertimeiftheextendedKalmanfilteralgorithm
wereappliedtotheSOCestimation.Tosuppressthedivergenceandnoise,thispaperproposedameth灢
odbasedonEKPFalgorithmtorealizeaccurateSOCandthecurrentdriftestimationontheLi飊ion
batterymixednoisemodel.Finally,thesuperiorityofthismethodwasvalidatedbysimulationresults.
Keywords:Li飊ionbattery;state飊of飊charge(SOC);mixednoisemodel;extendedKalmanparticlefil灢
ter(EKPF)
0暋引言
电动汽车以环 保、节 能 及 轻 便 等 特 点 被 人 们
所青睐,而作为关键技术部件的电池,其性能直接
影响到 整 车 性 能 的 好 坏。 锂 离 子 电 池 具 有 电 压
高、比 能 量 高、充 放 电 寿 命 长、无 记 忆 效 应、无 污
染、自放电率低、工作温度范围宽和安全可靠等优
点,是目前电 动 汽 车 首 选 的 核 心 动 力 源[1]。它 具
有高度的非线性,且受温度、充放电倍率以及容量
等因素影响,其动 态 过 程 无 法 用 单 一 的 模 型 来 描
述。因此,如何利 用 电 池 的 可 测 参 数 来 实 现 当 前
电池剩余电量准 确 估 计,一 直 以 来 是 电 动 汽 车 电
池管理系统的核 心 问 题 和 急 需 解 决 的 技 术 难 点,
也是一项重要而富有挑战性的任务[2]。只有准确
估计荷电状态(SOC)才 能 起 到 优 化 电 池 性 能、提
高电池安全性和延长电池使用寿命等作用。
目前,工 程 上 最 常 用 的 算 法 是 A·h 计 量
法[3飊5],它是一种开环估计方法,简单易实现,但累
计误差大,估 计 精 度 低。针 对 误 差 引 起 的 算 法 发
散问题,文献[6]提出基于电池状态空间模型的卡
收稿日期:2013 03 28暋暋暋收稿日期:2014 07 28
基金项目:国 家 高 技 术 研 究 发 展 计 划 (863 计 划)资 助 项 目
(2011AA11A210,2011AA11A220)
·493·
尔曼滤波算法,实现了电池SOC 的闭环估计。文
献[7飊11]均 采 用 扩 展 卡 尔 曼 滤 波 算 法 对 电 池
SOC 进行估计,使 得 极 化 效 应 的 影 响 大 大 减 弱,
提高了电池SOC 计 算 的 精 度。为 减 小 锂 电 池 非
线性引起的误差,也 有 研 究 人 员 将 粒 子 滤 波 算 法
应用到电池SOC 估 计 中。文 献[12]为 了 较 好 地
解决粒子滤波算 法 中 粒 子 的 退 化 问 题,根 据 遗 传
算法的原理,提出 了 遗 传 粒 子 滤 波 算 法 并 给 出 其
估计电池SOC 的 实 现 方 法,通 过 实 例 验 证,并 与
标准粒子滤波算 法 进 行 对 比 分 析,结 果 显 示 遗 传
粒子滤波算法对电池SOC 的估计更加准确,精度
更高。
电池实际工作 过 程 中,温 度、循 环 次 数、瞬 间
大电流等因素使 电 池 的 极 化 内 阻、可 使 用 容 量 等
存在较大差异,在估计电池SOC 时往往存在较大
误差甚至发 散。为 抑 制 系 统 非 线 性 和 发 散,单 纯
出现粒子匮乏的 现 象,而 且 算 法 对 模 型 依 赖 性 强
并且存在抖动。因此为了消除算法抖动和粒子退
化的现象,本文基于锂电池混合噪声模型,应用扩
展卡尔 曼 粒 子 滤 波(EKPF)算 法 对 锂 电 池 SOC
进行估计,并将其与 扩 展 卡 尔 曼 滤 波(EKF)算 法
和粒子滤波(PF)算法进行比较分析。
地使用粒子滤波算法在粒子数目比较少时可能会
基于扩展卡尔曼粒子滤波算法的锂电池SOC 估计———赵又群暋周晓凤暋刘英杰
1暋锂电池混合噪声模型
电池SOC 是 不 能 直 接 测 量 的,必 须 通 过 温
度、电流、电压等能测量的参数进行估算,因此,建
立一个准确的 电 池 模 型 对 精 确 估 算 电 池SOC 十
分重要。一个理想的电池模型应该能够较好地反
映电 池 的 各 种 特 性,而 且 阶 数 不 能 太 高,便 于 计
算,易于工程实现。本文借鉴文献[2]提出的结合
Shepherd模型、Unnewehr模型和 Nernst模型的
复合模型,考虑电流漂移噪声的干扰,建立混合噪
声模型,具体数学表达式如下:
yk = K0 -Rireal-K1
xk
-K2xk+
K3lnxk+K4ln(1-xk)
(1)
式中,yk 为电池工作电压;ireal 为真 实 放 电 电 流;R为 电 池
内阻,本文考虑充放电内阻的不同,充电时R=Rc,ireal 为
负,放电 时R=Rd,ireal 为 正;K0、K1、K2、K3、K4 为 模 型
参数;xk 为k时刻的瞬时荷电状态。
为了表征 温 度、充 放 电 倍 率、容 量 等 对 电 池
SOC 估计的影响,对SOC 作如下定义:
毲i(氂)C(T,毷,t)d氂
毮SOC(t)=毮SOC0 -曇t
(2)
毷=旤i(t)旤/CN
0
0
式 中,毮SOC 为电池的SOC值;毲为充放电效率;T为温度;毷
为充放电 倍 率;CN 为 常 温 下 电 池 的 标 称 容 量;C(T,毷,t)
为在不同温度、不同充放电倍率下的电池可用容量。
为了抑制电流漂移噪声的干扰,将电 池 荷 电
估计[13]。状态方 程 中 的 电 流 应 当 是 除 去 电 流 漂
移的电流真实值,即
状态及电流漂移噪声一起作为状态变量进行同步
毲ireal(氂)
C(T,毷,t)d氂
毲(i(氂)-is(氂))
C(T,毷,t) d氂 (5)
0
毮SOC(t)=毮SOC0 -曇t
(3)
放电电流的测量不可避免存在漂移和噪声。
将放电电流的测 量 值i分 成 两 个 部 分,即 电 流 真
实值ireal 和电流噪声值is,则
(4)
i=ireal+is
将式(4)代入式(3)得
毮SOC(t)=毮SOC0 -曇t
将式(5)作离散化处理得
xk =xk-1 -毲殼t
(6)
式中,ik-1 为k-1时刻的测量电流,is,k-1 为k-1时刻的电
流噪声值;殼t为时间间隔。
扰,简单易操作,计算量不大,易于工程实现,而且
模型中的参数易于 辨 识,只 要 获 得 N 组 电 流、电
压和真实SOC数据,就可以由最小二乘法辨识得
到模型参数。
该混合 噪 声 模 型 能 有 效 抑 制 电 流 漂 移 的 干
C (ik-1 -is,k-1)
系统辨 识 是 在 已 知 输 入 和 输 出 数 据 的 基 础
2暋 模型参数辨识
上,在某种准则条件下,估计出系统模型的未知参
数的。目前常用的辨识方法有最小二乘法、梯度
校正法、极大似然法等。 最小二乘法由于原理简
单、收敛较快、易于理解、易于编程实现等特点,在
系统参数估计中应用相当广泛[14]。
对于电动汽车来说,被控对象通常都 可 以 不
断提供新的输入输 出 数 据,而 且 还 希 望 利 用 这 些
新的信息来改善估 计 精 度,因 此 需 要 在 线 辨 识 电
池模型的参数。本文采用递推最小二乘法对锂电
池复合模型进行参数辨识,递推公式为
^毴(k)=^毴(k-1)+K(k)(y(k)-氄T(k)^毴(k-1))(7)
^毴= (k0,Rc,Rd,k1,k2,k3,k4)T
K(k)= P(k-1)氄(k)
(8)
1+氄T(k)P(k-1)氄(k)
P(k)= (I-K(k)氄T(k))P(k-1)
(9)
式中,^毴为待辨识的参数 向 量;K(·)为 增 益;氄(·)为 试 验
数据矩阵;P(·)为协方差矩阵;y(k)为输出。
骤[14] 如下:
递推最 小 二 乘 法 进 行 模 型 参 数 辨 识 一 般 步
(1)设置初值^毴(0)和P(0);
(2)采样当前输出y(k)和输入u(k);
(3)利 用 式(7)~ 式(9),计 算 K(k)、^毴(k)和
(4)k曻k+1,返回步骤(2),继续循环。
本文对额定电压3.2V、额定容量20A·h的
锂离子电池的充放 电 试 验 数 据,采 用 递 推 最 小 二
乘法对建立的混合 噪 声 模 型 进 行 参 数 辨 识,辨 识
结果如表1所示。
P(k);
表1暋 锂离子电池复合模型参数表
K0
3.5312
K2
0.3047
Rc(毟)
0.0001
K3
0.1630
K1
Rd(毟)
0.0135 2.9507暳10-5
K4
-0.0342
滤波问题时随机变量必须满足高斯分布的制约条
3暋基于EKPF 算法的SOC 估计
EKPF算法是解决非线性系统状态变量估计
问题最常用的方 法,粒 子 滤 波 摆 脱 了 解 决 非 线 性
件,能够应用在任意非线性非高斯随机系统中,在
许多领域取得了成功应用。粒子滤波器中密度分
布的建议值一般 决 定 了 粒 子 滤 波 器 应 用 的 性 能。
为了避免粒子匮 乏 和 算 法 抖 动,本 文 以 扩 展 卡 尔
曼滤波器作为建 议 分 布,实 现 基 于 扩 展 卡 尔 曼 粒
子滤波算法对锂电池SOC 的估计。
·593·
首先建立锂电池的离散状态空间模型。锂电
池SOC 作为状态 变 量,负 载 电 压 作 为 观 测 变 量,
散化。则状态方程:
将上文建 立 的 复 合 模 型 的 状 态 空 间 方 程 进 行 离
xk =xk-1 -毲殼t
Cireal,k-1 +wk
(10)
观测方程:
yk = K0 -Rireal,k-K1
-K2xk+
xk
K3ln(xk)+K4ln(1-xk)+vk
(11)
其中,wk 为系统噪声,vk 为观测噪声,它们均为零
均值 的 高 斯 白 噪 声,wk ~N(0,Q),vk ~ N(0,
R),殼t为离 散 系 统 采 样 周 期,模 型 参 数 K0、R、
K1、K2、K3、K4 已由上文第2节的方法辨识得到,
其值详见表1。
根据锂离子 电 池 状 态 空 间 方 程,利 用 EKPF
实现电池SOC 估计的算法流程如图1所示。
图1暋EKPF算法流程图
随机产生 N 个粒子x+
为P+
具体算法步骤如下:
(1)初始化。令k=0,由初始概率分布p(x0)
0,i,它们之间的协方差定义
0,i=P+
k,i。令k=1,2,…,对每个
(2)计算x+
(3)滤波。首先,由量测结果yk计算粒子x+
k,i
0,i=1,2,…,N。
k,i 应用EKF 算法得到x+
k,i 和P+
k,i 和P+
采样点x-
k,i。
的后验概率qi:
k,ik-1))2
2R
qi = 1
2毿Re- (yk-g(x+
(12)
式中,g(·)为已知电流和荷电状态情况下,由混 合 噪 声 模
型计算得到的电压值。
然后,进行归一化处理:
qi =qi/暺N
k,i、误差协方差P+
(13)
因此得到粒子集x+
k,i及相应的概
率qi,i=1,2,…,N。接着,进行重采样计算有效
粒子数目 Neff:
Neff =1/暺N
(14)
若Neff
基于扩展卡尔曼粒子滤波算法的锂电池SOC 估计———赵又群暋周晓凤暋刘英杰
通过计算,EKF、PF 和 EKPF 三 种 不 同 电 池
SOC 估计算法 的 均 方 根 误 差 和 单 次 平 均 消 耗 时
间的值如表2所示。
表2暋EKF、PF和 EKPF估计SOC 性能比较
EKF
PF
EKPF
2.7157
49.3150
214.8240
0.0583
0.0412
0.0254
算法
均方根误差
单次平均消耗时间(s)
暋暋从图3和表2 的 仿 真 试 验 结 果 可 以 看 出,基
于锂电池混合噪声模型的EKPF 算法 精 度 较 高,
既说明了算法的优越性,也表明了模型的准确性。
单独使 用PF 算 法 时 抖 动 很 明 显,而 EKPF 算 法
则比较平滑,在均方根误差的指标上也优于EKF
算法和PF 算法,但由于算法复杂,计算量相对较
大,故单次平均消耗时间相对较长。
5暋结束语
外界温度、循环次数、瞬间大电流等因素的影
响,会使电池的极化内阻、可使用容量存在较大差
异,在估计电池SOC 时往往存在较大误差甚至发
散。为抑制电流漂移的干扰、系统非线性、算法发
散以及算法本身 的 抖 动,本 文 基 于 锂 电 池 混 合 噪
声模型,应 用 EKPF 算 法 对 锂 电 池SOC 进 行 估
计。仿真试验 结 果 表 明,EKPF 算 法 能 有 效 地 估
计锂电池荷电状态。
参考文献:
[1]暋郭炳焜,徐徽,王先友,等.锂离子电池[M].长 沙:中
南大学出版社,2002.
[2]暋CaiC H,DuD,LiuZY.BatteryState飊of飊charge
(SOC)EstimationUsingAdaptiveNeuro飊fuzzyIn灢
ferenceSystem(ANFIS)[C]//IEEEInternational
Conferenceon Fuzzy Systems.St.Louis,MO,
UnitedStates,2003:1068飊1073.
[3]暋林成 涛,王 军 平,陈 全 世,等.用 改 进 的 安 时 计 量 法
估计电 动 汽 车 动 力 电 池 SOC[J].清 华 大 学 学 报,
2006,46(2):247飊251.
LinChengtao,WangJunping,ChenQuanshi,etal.
ImprovedAhCountingMethodforStateofCharge
EstimationofElectricVehicleBatteries[J].Journal
ofTsinghuaUniversity(ScienceandTechnology),
2006,46(2):247飊251.
[4]暋MarkE.AdaptiveStateofChargeAlgorithmfor
NickelMetalHydrideBatteriesIncludingHysteresis
Phenomena[J].JournalofPowerSource,2004,126
(1):236飊249.
[5]暋曾洁,卜 凡 涛.基 于 多 项 式 回 归 算 法 的 锂 电 池SOC
估测[J].大连交通大学学报,2011,32(4):70飊74.
ZengJie,BuFanTao.StudyofSOCEstimationand
MeasurementofLi飊IonBatteryBasedonPolynomial
RegressionAlgorithm[J].JournalofDalianJiaotong
University,2011,32(4):70飊74.
[6]暋PlettGL.ExtendedKalmanFilteringforBattery
ManagementSystemsofLiPB飊basedHEVBattery
Packs[J].JournalofPowerSources,2004,134(2):
277飊292.
[7]暋范波,田晓辉,马建伟.基于EKF的动力锂电池SOC
状态预测[J].电源技术,2010,34(8):797飊799.
FanBo,TianXiaohui,MaJianwei.Ekf飊BasedEstima灢
tionofLithium飊IonTraction飊BatterySOC[J].Chinese
JournalofPowerSources,2010,34(8):797飊799.
[8]暋夏超英,张术,孙宏 涛.基 于 推 广 卡 尔 曼 滤 波 算 法 的
SOC 估算策略[J].电源技术,2007,31(5):414飊417.
XiaChaoying,ZhangShu,SunHongtao.AStrategy
ofEstimatingStateofChargeBasedonExtended
Kalman Filter [J].Chinese Journal of Power
Sources,2007,31(5):414飊417.
[9]暋李超,刘忠 庆.基 于 参 数 与 状 态 联 合 估 算 的SOC 预
测法[J].电源技术,2012,36(3):362飊365.
LiChao,LiuZhongqing.SOCEstimateBasedonJoint
DeterminationofParametersandStates[J].Chinese
JournalofPowerSources,2012,36(3):362飊365.
[10]暋戴海 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飊95.
DaiHaifeng,WeiXuezhe,SunZechang,Estimate
StateofChargeofPowerLithium飊IonBatteries
UsedonFuelCellHybrid Vehiclewith Method
BasedonExtendedKalmanFiltering[J].Chinese
JournalofMechanicalEngineering,2007,143(2):
92飊95.
[11]暋LiyeWang,LifangWang,ChenglinLiao.Research
onImprovedEKFAlgorithm AppliedonEstimate
EVBatterySOC[C]//2010 Adia飊PacificPower
and Engergy Engineering Conference.Chengdu,
China,2010:1飊4.
[12]暋张洁.基 于 粒 子 滤 波 算 法 的 电 动 汽 车 剩 余 电 量 动
态估计研究[D].北京:北京交通大学,2012.
[13]暋刘新天.电 源 管 理 系 统 设 计 及 参 数 估 计 策 略 研 究
[D].合肥:中国科学技术大学,2011.
[14]暋庞 中 华,崔 红.系 统 辨 识 与 自 适 应 控 制 MATLAB
仿真[M].北京:北京航空航天大学出版社,2009.
(编辑暋郭暋伟)
作者简介:赵又群,男,1968 年 生。 南 京 航 空 航 天 大 学 能 源 动 力
学院教授、博士研究生导师。研究方向为车辆 系 统 动 力 学。 发 表
论文120余篇。周晓凤,女,1988年 生。 南 京 航 空 航 天 大 学 能 源
动力学院车辆工程系硕士 研 究 生。 刘英杰,男,1982 年 生。 南 京
航空航天大学能源动力学院车辆工程系博士研究生。
·793·