锂离子电池SOC估计研究与电池管理系统设计

　　随着能源危机和环境问题的日益严峻，锂离子电池因其无污染、能量密度高等优势，广泛应用于电子产品、电动汽车和储能电源等方面。为了提高锂离子电池组的安全性和使用寿命，需要对电池组进行有效的控制和管理。电池荷电状态 （SOC）是电池管理系统中最重要的参数之一，是系统中其他功能的基础。因此，电池 SOC 实时、准确的估计有着重要的现实意义。

　　准确的 SOC 估计需要一个精确的电池模型。本文首先为锂离子电池改进模型，根据电池表现的外特性，在传统电路模型的基础上，建立了动态电路模型。在建模过程中引入电化学 KiBaM 模型，用于描述电池容量的倍率效应和恢复效应。另外综合考虑充放电过程中存在的滞回电压，以更准确地描述电池的开路电压。在完成电池的特性建模后，再根据电池工况试验数据，对模型参数进行辨识。最后把建立的动态模型仿真电压与实际测量值进行对比分析，从对比结果可以看出本文建立的动态模型可以更好地模拟电池的动静态特性。

　　在建立的电池动态模型的基础上，本文确定了基于扩展卡尔曼滤波算法的电池 SOC 估计流程，并针对扩展卡尔曼滤波算法的缺点，本文首次将有限差分卡尔曼滤波算法应用于电池 SOC 估计，用有限差分代替非线性函数的偏导数计算，其改进算法具有较强的鲁棒性。通过在几种不同工况下的电池 SOC 估计结果的对比，证明有限差分扩展卡尔曼滤波算法较扩展卡尔曼滤波算法，能够较准确地实时估计 SOC，并且在模型存在误差时，仍能维持较小的估计误差。

　　最后本文介绍了基于光伏储能电源的电池管理系统，整个系统采用分布式设计，分为电池组控制系统和电池组监测系统，其中控制系统利用 Matlab 提供的 RTW（Real-Time-Workshop）工具将 SOC 估计算法进行自动代码生成，在硬件上实现了电池 SOC 的在线估计；监测系统负责完成电池组单体电压的实时采集和发送，并在液晶屏上显示电压状态。