基于 RLS 和 EKF 算法的锂离子动力电池
荷电状态估计

doi:10.16638/j.cnki.1671-7988.2024.008.001

汽车实用技术 ›› 2024, Vol. 49 ›› Issue (8): 1-5.DOI: 10.16638/j.cnki.1671-7988.2024.008.001

• 新能源汽车 •

基于 RLS 和 EKF 算法的锂离子动力电池荷电状态估计

潘正军

金肯职业技术学院江苏地下空间智慧运维工程技术研究开发中心

发布日期:2024-04-24
通讯作者: 潘正军
作者简介:潘正军（1993－），男，硕士，讲师，研究方向为新能源汽车技术，E-mail:1137656476@qq.com。
基金资助:
江苏省高职院校青年教师企业实践培训项目资助（2023QYSJ050）；江苏地下空间智慧运维工程技术研究开发中心开放基金资助（jsdxkjzh-2023-40）。

State of Charge Estimation of Lithium-ion Power Battery Based on RLS and EKF Algorithms

PAN Zhengjun

Jiangsu Underground Space Intelligent Operation and Maintenance Engineering Technology Research and Development Center

Published:2024-04-24
Contact: PAN Zhengjun

摘要/Abstract

摘要： 电池荷电状态（SOC）是电动汽车电池管理系统的关键参数之一，影响着整车性能与安全。文章以一阶 Thevenin 等效电路作为电池模型，采用递推最小二乘法（RLS）对电池进行参数辨识，再运用扩展卡尔曼滤波（EKF）算法估算电池的 SOC。将估算结果与试验测量结果进行对比，结果显示，RLS-EKF 的联合算法可有效估计电池的 SOC 值，估算误差值基本保持在 2%以内。

关键词: 电池 SOC；RLS；EKF；联合算法

Abstract: The state of charge (SOC) of the battery is one of the key parameters of the battery management system of electric vehicles, which affects the performance and safety of the vehicle. In this paper, the first-order Thevenin equivalent circuit is used as the battery model, the parameters of the battery are identified by recursive least square method (RLS), and the SOC of the battery is estimated by extended Kalman filter (EKF) algorithm. Comparing the estimated results with the test results, the results show that the combined RLS-EKF algorithm can effectively estimate the SOC value of the battery, and the estimated error value is basically kept within 2%.

Key words: Battery SOC; RLS; EKF; Combined algorithm

潘正军. 基于 RLS 和 EKF 算法的锂离子动力电池荷电状态估计[J]. 汽车实用技术, 2024, 49(8): 1-5.

PAN Zhengjun. State of Charge Estimation of Lithium-ion Power Battery Based on RLS and EKF Algorithms[J]. Automobile Applied Technology, 2024, 49(8): 1-5.

参考文献

[ 1 ] 吴广顺,李真铁,王昊.电动汽车动力锂离子电池 SOC 估算方法比较分析[J].汽车实用技术,2023,48(15): 47-53. [ 2 ] 王洋洋.磷酸铁锂电池荷电状态影响因素的研究[J]. 芜湖职业技术学院学报,2022,24(4):72-75. [ 3 ] ZHOU W L,ZHENG Y P,PAN Z J,et al.Review on the Battery Model and SOC Estimation Method[J].Processes, 2021,9(9):1685. [ 4 ] 申彩英,左凯.基于开路电压法的磷酸铁锂电池 SOC 估算研究[J].电源技术,2019,43(11):1789-1791. [ 5 ] 高振楠,翟荣刚,杨威,等.基于安时积分法的改进电池 SOC 算法研究[J].菏泽学院学报,2021,43(5):39-44. [ 6 ] 张连德.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,2018. [ 7 ] 丁羿茗,吕瑞强,蒋超.基于 EKF算法的神经网络估算锂电池 SOC[J].电源技术,2021,45(10):1260-1263. [ 8 ] 吕丹亚.基于卡尔曼滤波的新能源汽车动力锂离子电池 SOC 估算方法[J].绵阳师范学院学报,2023,42 (5):25-32. [ 9 ] 潘正军,袁兴有,邓飞虎,等.基于扩展卡尔曼滤波的动力电池 SOC 估算[J].汽车实用技术,2023,48(22): 23-27. [10] 刘鹏,梁新成,黄国钧.锂离子电池模型综述[J].电池工业,2021,25(2):106-112. [11] 吴宽.锂离子动力电池建模与状态估计研究[D].武汉: 华中科技大学,2022. [12] 卢林.动力电池 SOC 估算等效电路模型研究论述[J]. 汽车实用技术,2021,46(14):160-162. [13] 樊彬,任山,罗运俊.实际使用工况的锂离子电池 SOC-OCV 关系[J].电源技术,2018,42(5):641-644. [14] WANG Q,QI W,XIAO D.Remaining Energy Estimation Strategy for Lithium-ion Battery Pack Based on RLSUKF Algorithm[J].International Journal of Vehicle Systems Modelling and Testing,2021,15(4):274-288. [15] 晏晓锋.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,2023.

基于 RLS 和 EKF 算法的锂离子动力电池荷电状态估计

State of Charge Estimation of Lithium-ion Power Battery Based on RLS and EKF Algorithms

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 0

编辑推荐

Metrics

基于 RLS 和 EKF 算法的锂离子动力电池 荷电状态估计

State of Charge Estimation of Lithium-ion Power Battery Based on RLS and EKF Algorithms

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 0

编辑推荐

Metrics

基于 RLS 和 EKF 算法的锂离子动力电池荷电状态估计