EKF在LiFePO4电池SOC估算中不好用?一问带你破解EKF应用难题

2024-06-09 00:28

本文主要是介绍EKF在LiFePO4电池SOC估算中不好用?一问带你破解EKF应用难题,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

磷酸铁锂电池因为平台区的存在,导致使用戴维南模型+EKF的方法时,无法准确进行SOC准确预估。所以最近搜索了大量关于磷酸铁锂电池SOC预估的论文、期刊,但我被海量忽略客观事实、仅为了毕业的硕士论文给震惊到了。很多论文为了掩饰平台区的存在,人为伪造平台区的压差数据进行建模,有些SOC上下跳变3-8%以上(想像你开电动车时,发现剩余电量在5%上下跳变,就问你怕不怕 ) ,有些预估的OCV差异20mV以上也敢自称精度良好,而且大部分论文都不敢展示初始SOC有差异时的收敛效果。

好在最终发现一个比较靠谱的论文,总结一下供大家参考。

原文链接:

https://www.sciencedirect.com/science/article/abs/pii/S0306261923009455

原文标题:

State-of-charge estimation for onboard LiFePO4 batteries with adaptive state update in specific open-circuit-voltage ranges

注:本文除了插图为手动加入外,90%内容由国产gpt-kimi生成,只作为一般性介绍,不用作任何商业用途。转载时请也遵循此原则。

图片

       在电动汽车(EV)的快速发展中,电池管理系统(BMS)的核心功能之一是准确估算电池的剩余电量,即电池的荷电状态(State of Charge, SOC)。SOC的准确估算对于提高电池使用效率、延长电池寿命、保障行车安全至关重要。然而,现有的SOC估算方法在面对具有平坦电压-SOC关系的锂铁磷(LiFePO4)电池时,常常无法提供准确的估算结果。本文将深入解析一种新型的SOC估算方法,该方法专为解决LiFePO4电池的SOC估算难题而设计,并补充不同P, Q, R值下的测试结果。

1. 引言

LiFePO4电池因其高安全性、长寿命和低成本等优点,在电动汽车领域得到了广泛应用。但是,由于其电压-SOC曲线相对平坦,传统的基于模型的SOC估算方法难以准确反映电池的荷电状态。为了克服这一难题,研究者们提出了一种结合自适应递推平方根算法(Adaptive Recursive Square Root, ARSR)和扩展卡尔曼滤波器(Extended Kalman Filter, EKF)的新型SOC估算方法。

2. 新型SOC估算方法概述

该方法的核心在于两个主要的创新点:

  1. 自适应状态更新:根据不同的开路电压(Open Circuit Voltage, OCV)范围,采用不同的状态更新策略,以适应LiFePO4电池在不同SOC区间的特性变化。

  2. 参数在线识别:使用ARSR算法在线识别OCV和其他电池模型参数,然后根据识别结果自适应地更新EKF算法的参数。

3. 电池模型与参数识别

3.1 电池模型选择

本文选用了广泛认可的Thevenin等效电路模型来描述电池的电压特性。该模型包括一个电压源UOCV、一个欧姆内阻R、一个极化电阻Rp和一个极化电容Cp。

3.2 参数在线识别

由于电池管理系统(BMS)的计算精度限制,传统的递推最小二乘法(Recursive Least Squares, RLS)在参数识别时容易出现问题。为此,本文采用了ARSR算法,该算法通过分解协方差矩阵P来避免非正半定矩阵的问题,提高了参数识别的稳定性。

图片

4. SOC更新策略

4.1 EKF算法在SOC更新中的应用

EKF算法利用模型预测电压和实测电压之间的差异来更新SOC。该过程包括先验估计和后验估计两个部分,其中涉及到状态矩阵和协方差矩阵的更新。

4.2 自适应算法参数更新

自适应算法参数更新是本方法的核心创新之一。在不同的OCV范围内,电池的电压响应特性存在显著差异,因此需要对EKF算法的参数进行自适应调整以优化SOC更新过程。

4.2.1 OCV范围的划分与识别

首先,根据OCV曲线的斜率,将整个OCV范围划分为不同的区域,包括陡峭斜率区、平台区和缓斜率区。通过在线识别当前的OCV值,可以确定当前所处的OCV范围。

图片

4.2.2 EKF参数的自适应调整

在陡峭斜率区和平台区,由于OCV对SOC变化的响应较小,若继续进行SOC更新可能导致算法发散。因此,在此两个区域内,通过设置EKF参数Q和R的值,使得Kalman增益G趋于零,从而禁止后验估计中的SOC更新。

相反,在缓斜率区,电池的电压响应特性与SOC变化的关联性更强,适合进行SOC更新。此时,通过增大Q值并减小R值,可以提高Kalman增益G,从而加快SOC的更新速度。

图片

4.3 不同P, Q, R值下的测试结果

在实验验证中,研究者们测试了不同的P, Q, R参数设置对SOC估算准确性和稳定性的影响。实验结果表明,适当的P值有助于算法在初始阶段快速收敛,而合理的Q和R值对于维持算法在不同OCV范围内的稳定性至关重要。实验数据显示,当P设置过大时,如diag(1e2, 1e5),在OCV平台区可能会导致算法发散,而较小的P值,如diag(1e-4, 1e-4),有助于保持算法的稳定性。此外,通过调整Q和R的值,可以在不同的OCV范围内实现对SOC更新的精细控制,从而优化整个SOC估算过程。

图片

5. SOC平滑处理

为了进一步提高SOC估算的稳定性,本方法引入了Ah滤波器对EKF输出的SOC进行平滑处理。

5.1 Ah滤波器的原理

Ah滤波器基于库仑计量法,通过电池的充放电电流和时间来计算累积的电荷量,从而得到一个平滑的SOC估计值。其核心思想是利用电池的安时容量特性,通过电流积分来抵消EKF算法可能产生的SOC估计波动。

5.2 Ah滤波器的实现

具体实现中,Ah滤波器的输出SOC_Ah与EKF算法的输出SOC_EKF相结合,通过一个平滑系数k_out进行加权平均,得到最终的SOC估计结果SOC+_Ah。平滑系数k_out是一个小的正数,用于控制滤波器的响应速度。

图片

6. 实验验证

研究者们在不同温度下,通过不同的驾驶模式对所提出的SOC估算方法进行了大规模实验验证。实验结果表明,与传统方法相比,新方法在确保高精度的同时,展现出了良好的稳定性,最大绝对误差控制在2%以内。

图片

7. 方法的实用性验证

通过分析从2,909辆电动汽车收集的实车运行数据,验证了所提方法的实用性。统计分析表明,所提方法的收敛SOC范围在实际应用中具有较高的覆盖率,能够满足实际应用需求。

8. 讨论与展望

尽管本文提出的算法在新电池上进行了验证,但电池老化后OCV范围的电压会发生变化,因此需要根据电池健康状态(SOH)更新OCV曲线。未来的研究将考虑联合估计SOH和SOC,以确保算法在整个电池生命周期内的准确性和可靠性。

9. 结论

本文提出的基于Thevenin模型的SOC估算方法,通过ARSR算法在线识别电池模型参数,结合EKF算法实时估算电池SOC,并在线识别特定OCV范围以自适应更新EKF参数,有效避免了算法在OCV平坦区域的发散问题。通过不同温度和驾驶模式的实验验证,以及实车数据的应用分析,证明了该方法的高精度和高稳定性,为电动汽车中LiFePO4电池的可靠管理奠定了基础。

10. 附录:数学表达式

以下是文章中提到的一些关键数学表达式,供有兴趣深入了解的读者参考:

图片

这篇关于EKF在LiFePO4电池SOC估算中不好用?一问带你破解EKF应用难题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1043744

相关文章

SpringBoot3应用中集成和使用Spring Retry的实践记录

《SpringBoot3应用中集成和使用SpringRetry的实践记录》SpringRetry为SpringBoot3提供重试机制,支持注解和编程式两种方式,可配置重试策略与监听器,适用于临时性故... 目录1. 简介2. 环境准备3. 使用方式3.1 注解方式 基础使用自定义重试策略失败恢复机制注意事项

Python使用Tkinter打造一个完整的桌面应用

《Python使用Tkinter打造一个完整的桌面应用》在Python生态中,Tkinter就像一把瑞士军刀,它没有花哨的特效,却能快速搭建出实用的图形界面,作为Python自带的标准库,无需安装即可... 目录一、界面搭建:像搭积木一样组合控件二、菜单系统:给应用装上“控制中枢”三、事件驱动:让界面“活”

如何确定哪些软件是Mac系统自带的? Mac系统内置应用查看技巧

《如何确定哪些软件是Mac系统自带的?Mac系统内置应用查看技巧》如何确定哪些软件是Mac系统自带的?mac系统中有很多自带的应用,想要看看哪些是系统自带,该怎么查看呢?下面我们就来看看Mac系统内... 在MAC电脑上,可以使用以下方法来确定哪些软件是系统自带的:1.应用程序文件夹打开应用程序文件夹

Python Flask 库及应用场景

《PythonFlask库及应用场景》Flask是Python生态中​轻量级且高度灵活的Web开发框架,基于WerkzeugWSGI工具库和Jinja2模板引擎构建,下面给大家介绍PythonFl... 目录一、Flask 库简介二、核心组件与架构三、常用函数与核心操作 ​1. 基础应用搭建​2. 路由与参

Spring Boot中的YML配置列表及应用小结

《SpringBoot中的YML配置列表及应用小结》在SpringBoot中使用YAML进行列表的配置不仅简洁明了,还能提高代码的可读性和可维护性,:本文主要介绍SpringBoot中的YML配... 目录YAML列表的基础语法在Spring Boot中的应用从YAML读取列表列表中的复杂对象其他注意事项总

电脑系统Hosts文件原理和应用分享

《电脑系统Hosts文件原理和应用分享》Hosts是一个没有扩展名的系统文件,当用户在浏览器中输入一个需要登录的网址时,系统会首先自动从Hosts文件中寻找对应的IP地址,一旦找到,系统会立即打开对应... Hosts是一个没有扩展名的系统文件,可以用记事本等工具打开,其作用就是将一些常用的网址域名与其对应

CSS 样式表的四种应用方式及css注释的应用小结

《CSS样式表的四种应用方式及css注释的应用小结》:本文主要介绍了CSS样式表的四种应用方式及css注释的应用小结,本文通过实例代码给大家介绍的非常详细,详细内容请阅读本文,希望能对你有所帮助... 一、外部 css(推荐方式)定义:将 CSS 代码保存为独立的 .css 文件,通过 <link> 标签

Python使用Reflex构建现代Web应用的完全指南

《Python使用Reflex构建现代Web应用的完全指南》这篇文章为大家深入介绍了Reflex框架的设计理念,技术特性,项目结构,核心API,实际开发流程以及与其他框架的对比和部署建议,感兴趣的小伙... 目录什么是 ReFlex?为什么选择 Reflex?安装与环境配置构建你的第一个应用核心概念解析组件

C#通过进程调用外部应用的实现示例

《C#通过进程调用外部应用的实现示例》本文主要介绍了C#通过进程调用外部应用的实现示例,以WINFORM应用程序为例,在C#应用程序中调用PYTHON程序,具有一定的参考价值,感兴趣的可以了解一下... 目录窗口程序类进程信息类 系统设置类 以WINFORM应用程序为例,在C#应用程序中调用python程序

Java应用如何防止恶意文件上传

《Java应用如何防止恶意文件上传》恶意文件上传可能导致服务器被入侵,数据泄露甚至服务瘫痪,因此我们必须采取全面且有效的防范措施来保护Java应用的安全,下面我们就来看看具体的实现方法吧... 目录恶意文件上传的潜在风险常见的恶意文件上传手段防范恶意文件上传的关键策略严格验证文件类型检查文件内容控制文件存储