磷酸鐵鋰離子電池組荷電狀態估計的研究

磷酸鐵鋰離子電池組的荷電狀態估計是為了更好地應用電池組作為動力鋰電池。本文選取了二階RC電池模型，采用自適應噪聲匹配的無軌卡爾曼濾波方法對電池組的荷電狀態進行估計，提高了卡爾曼濾波算法的精度。仿真結果和實驗驗證表明，該算法具有較高的估計精度和良好的soc估計效果。

電池荷電狀態的計算是BMS系統的重要前提。準確估算動力鋰電池組的荷電狀態，可以提高電池的安全性能，有效保護電池，延長電池組的使用壽命，提高電池的使用效率。

動力鋰電池soc估計的難點在于電池系統復雜的動態特性。因此，soc估計的關鍵是建立合適的電池模型，選擇合適的估計方法。常用的電池模型有電化學模型、神經網絡模型和等效電路模型。本文選擇了能準確反映電池組動態特性的二階RC等效電路模型。卡爾曼濾波算法能夠實時跟蹤系統的狀態，適用于電力電池荷電狀態的估計。

卡爾曼濾波算法應用于線性系統的評估方法,和電池是一個復雜的非線性系統,因此有利用泰勒展開線性化的非線性系統的擴展卡爾曼濾波(EKF)算法,EKF算法可以應用到一個好的電池soc估算研究,但計算過程相對復雜,計算的穩定性較差,因此本文采用無跡卡爾曼濾波(UKF)算法,該算法基于UKF對系統狀態變量進行UT變換，符合狀態變量可以轉換成狀態變量的統計性質的幾個采樣點，然后在系統方程中進行運算。UKF算法比EKF算法簡單、穩定。

為了進一步提高計算精度，采用自適應匹配算法實時更新系統的狀態噪聲和觀測噪聲，可以進一步提高系統方程的精度和算法的精度。