State of charge estimation of lithium-iron batteries based on extended Kalman filter

WEI Zhongshuang; HOU Wei; ZHAO Yan; ZHENG Shousen; FU Qing

doi:10.13471/j.cnki.acta.snus.2023B012

您当前的位置：

首页 >

文章列表页 >

State of charge estimation of lithium-iron batteries based on extended Kalman filter

Research articles | 更新时间：2023-11-07

- State of charge estimation of lithium-iron batteries based on extended Kalman filter
- Acta Scientiarum Naturalium Universitatis Sunyatseni Vol. 62, Issue 5, Pages: 92-100(2023)
- 作者机构：
  
  1.中山大学物理学院，广东广州 510275
  2.安徽南瑞继远电网技术有限公司，安徽合肥 230088
  3.珠海银河耐吉科技有限公司，广东珠海 519085
- 作者简介：
- 基金信息：
- DOI：10.13471/j.cnki.acta.snus.2023B012
  CLC： TM912.9
- Published：25 September 2023，
  
  Published Online：16 June 2023，
  
  Received：26 March 2023，
  
  Accepted：04 April 2023
扫描看全文
韦仲爽,侯巍,赵彦等.基于扩展卡尔曼滤波算法的磷酸铁锂电池荷电状态估计[J].中山大学学报(自然科学版),2023,62(05):92-100.

WEI Zhongshuang,HOU Wei,ZHAO Yan,et al.State of charge estimation of lithium-iron batteries based on extended Kalman filter[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2023,62(05):92-100.
韦仲爽,侯巍,赵彦等.基于扩展卡尔曼滤波算法的磷酸铁锂电池荷电状态估计[J].中山大学学报(自然科学版),2023,62(05):92-100. DOI： 10.13471/j.cnki.acta.snus.2023B012.

WEI Zhongshuang,HOU Wei,ZHAO Yan,et al.State of charge estimation of lithium-iron batteries based on extended Kalman filter[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2023,62(05):92-100. DOI： 10.13471/j.cnki.acta.snus.2023B012.

摘要

电池的荷电状态（SoC，state of charge）是锂离子电池最基本的参数之一，不能直接测量得到。本文基于二阶Thevenin模型对磷酸铁锂电池进行建模分析，通过混合脉冲功率特性（HPPC，hybrid pulse power characteristic）实验对不同SoC处的模型参数进行识别。基于MATLAB/Simulink平台，搭建了变参数二阶Thevenin模型与扩展卡尔曼滤波（EKF，extended Kalman filter）算法相结合的估算系统。仿真结果表明，估算系统在不同工况下的仿真误差不超过2.5%，为锂离子电池管理系统的搭建提供了支持。

Abstract

The state of charge of the battery is one of the fundamental parameters of the lithium-ion battery， which can't be measured directly. In this paper， the second-order Thevenin model is used to analyze the characteristics of lithium-iron phosphate battery， and the model parameters at different SoC are identified through the hybrid pulse power characteristic （HPPC） experiment. Based on MATLAB/Simulink platform， an estimation system combining variable parameter second-order Thevenin model and extended Kalman filter （EKF） algorithm is built. The simulation results show that the simulation error of the estimation system is less than 2.5% under different working conditions， which provides support for the development of lithium-ion battery management system.

关键词

磷酸铁锂电池荷电状态二阶Thevenin电路模型参数识别扩展卡尔曼滤波算法

Keywords

lithium-iron phosphate batterySoCthe second-order Thevenin modelparameter identifyEKF algorithm

references

凤良，2021.基于二阶RC模型的磷酸铁锂电池的荷电状态估计［D］.南京：南京邮电大学.

高进，胡红顶，姚胜华，2022.基于改进安时积分法的锂离子电池组SOC估算［J］.湖北汽车工业学院学报，36（4）：56-60.

贺林，石琴，2021.动力电池［M］.北京：机械工业出版社.

黄小平，王岩，2022.卡尔曼滤波原理及应用MATLAB仿真［M］.北京：电子工业出版社.

贾玉健，解大，顾羽洁，等，2011.电动汽车电池等效电路模型的分类和特点［J］.电力与能源， 32（6）：516-521.

刘海东，周萍，周正，等，2022.锂离子电池开路电压快速估计研究［J］.机械工程学报，58（8）：227-235+243.

刘昊天，2020.基于深度学习的锂离子电池SOC及SOH估算方法研究［D］.天津：天津大学.

马骁，2020.自适应电动汽车电池SOC估算方法及均衡技术的研究［D］.南京：南京航空航天大学.

谭晓军，2021.电动汽车智能电池管理系统技术［M］.广州：中山大学出版社.

王浩，2022.考虑迟滞特性与模型时变参数的磷酸铁锂电池SOC估算［D］.南京：南京林业大学.

王海龙，左付山，张营，2021.车用锂离子电池SOC估算研究［J］.自动化仪表，42（6）：72-76.

晏晓锋，2022.基于卡尔曼滤波的三元锂电池SOC估算研究［D］.桂林：桂林电子科技大学.

赵佳美，2018.基于二阶EKF的锂离子电池SOC估计的建模与仿真［D］.西安：西安科技大学.

张照娓，郭天滋，高明裕，等，2021.电动汽车锂离子电池荷电状态估算方法研究综述［J］.电子与信息学报，43（7）：1803-1815.

张连德，2018.基于电化学阻抗谱的三元锂离子电池状态估计研究［D］.长春：吉林大学.

CHUN H Y， KIM J S， HAN S H，2019. Parameter identification of an electrochemical lithium-ion battery model with convolutional neural network［J］.IFAC Papers OnLine， 52（4）： 129-134.

NEMES R， CIORNEI S， RUBA M， et al， 2019. Modeling and simulation of first⁃order Li⁃ion battery cell with experimental validation［C］// The 8th International Conference on Modern Power Systems.

ZHANG X， LU J L， YUAN S F， et al， 2017. A novel method for identification of lithium⁃ion battery equivalent circuit model parameters considering electrochemical properties［J］. Journal of Power Sources， 345： 21-29.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

Postal code：510275
Tel：020-84112585，84113223 Email：xuebaozr@mail.sysu.edu.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09064830号-19 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰