利用双卡尔曼滤波算法估计电动汽车用锂离子动

第45卷第6期 2009年6月

机 械 工 程 学 报

JOURNAL OF MECHANICAL ENGINEERING

Vol.45 No.6 Jun. 2009

DOI：10.3901/JME.2009.06.095

利用双卡尔曼滤波算法估计电动

*

汽车用锂离子动力电池的内部状态

戴海峰 孙泽昌 魏学哲

(同济大学汽车学院 上海 201804)

摘要：以电动汽车的研发为背景，建立用于电动汽车中作为辅助动力源的锂离子动力蓄电池的等效物理模型及其离散形式的状态空间方程，然后分别介绍如何基于卡尔曼滤波算法在线估计电池内部的荷电状态和寿命状态。在此基础上，介绍利用双卡尔曼滤波算法同时在线估计荷电状态和寿命状态的算法原理，并设计出相关的电池测试试验，利用在此试验过程中所采集的包括电流、电压等数据对电池的内部状态进行估计。对试验结果的分析表明，利用双卡尔曼滤波算法在线估计电池内部状态是有效的，并且估计精度也相对较高，可以较好地反映电池内部的真实状态。 关键词：双卡尔曼滤波 电动汽车 锂离子动力电池 状态估计 中图分类号：TM912.1

Estimation of Internal States of Power Lithium-ion Batteries Used on Electric Vehicles by Dual Extended Kalman Filter

DAI Haifeng SUN Zechang WEI Xuezhe

(School of Automotive Studies, Tongji University, Shanghai 201804)

Abstract：For the development of electric vehicles, power lithium-ion battery is an option of assistant power source for such kind of vehicles. An equivalent physical model of the power lithium-ion battery pack is founded which is then described in a discrete state-space form. The principle of how to use Kalman filtering to estimate the internal states including state of charge and state of health independently is introduced, and based on this, how to estimate state of charge and State of health synchronously by using dual extended Kalman filtering is proposed. A corresponding experiment is designed in which the data such as current and voltage are acquired to test the algorithm, and the testing results show that internal state estimation of battery by the method of dual extended Kalman filtering is effective and results in a relatively hiyh estimation accuracy, thus well reflecting the actual internal state of the battery pack.

Key words：Dual extended Kalman filtering Electric vehicles Power lithium-ion battery State estimation

0 前言

动力蓄电池作为电动汽车动力系统的关键部件，对整车动力性、经济性和安全性至关重要。为了对电池更合理、安全地使用，延长使用寿命，需要对电池进行适当的管理。而在线估计电池的内部状态是对电池进行管理的前提条件。

电池的内部状态包括荷电状态(State of charge，* 国家高技术研究发展计划 (863计划，2006AA11A164)和上海市重点学科建设(B303)资助项目。20080607收到初稿，20081225收到修改稿

SOC)和寿命状态(State of health，SOH)两大部分。前者用于描述当前电池内部所含电量的多少，目前已有很多的研究报道，文献[1]作了很好的总结；SOC的估计算法上主要有电流积分法、放电试验法、开路电压法、负载电压法、电化学阻抗谱法、内阻法、线性模型法、神经网络法和卡尔曼滤波算法等。各种方法均有其优缺点和使用范围，目前车上常使用的是电流积分法、开路电压法，以及由它用卡尔曼滤波算法估计电池SOC，取得了较好的 效果。

们结合所衍生出的算法。PILLER等[2-4]介绍了利