基于SOC-OCV曲线的卡尔曼滤波法SOC估计

　　1 引 言随着新能源 的发展 ．储 能应 用及 电动交通 工具不断增多 ，电池也在现代能源结构 中 占有越 来越 重要的位置 。铅碳 电池是将铅酸 电池 的性 能优势和超级 电容的大容量充放 电优 点结合起来 的新型 电池 ，在铅酸 电池的负极加入具有双 电层 电容特性 的炭形成 的铅碳 电池具有 高倍率 充放 电 、浅充放 电状态下循环寿命长等优势 ，使其在储能及动力设备 中可广泛应用【1］。 SOC在 电池使用过程 中的 电量 指示 、过 充过放 电保护 、电池均衡及 电池健康 状况预测管理等都起着重要作用 。成为 电池 管理 系统 中重要 的组成部 分［2］。 目前对 SOC的估测 方法主 要有安时积分法 、内阻法 、KMF、开路 电压法 、神经 网络法及 机器学 习等 。由于算 法本身具有 的闭环特 性及 收敛性 ，KMF也被广泛运用于 SOC估计 。利用 KMF可在不 知道 电池初 始状况 的情 况下进行 SOC估 测 ．并很快 收敛 到 SOC的真 实值【3］．其在 具有 平 台 电压 的锂 电池 SOC估计中应用也较多。利用 电池 OCV与其 SOC的一一对应关系 ．也可从 OCV得到 电池 SOCt1。区别于 锂 电池 的电压平 台 ．铅碳 电池在全 SOC范 围内的 OCV近似一条直线 ．增强了 OCV在铅碳 电池 SOC预测 中的准确性 。但要 获取准确 的 OCV，需要将 电池静 置相 当长时间 以使其达到稳定状态 ，而这 在实 际应用 中却是不现实 的。为获得准 确 的实 时 OCV数据 ，在 此提 出一种参数随 SOC可变 的电池模 型 ，并将 KMF应用到模型 中来计算 电池 OCV，进而得到 电池 SOC。仿真及实验结 果显示 出电池模 型与实测数据 之间较好 的一 致性及 SOC预测 良好的准确性 。