对磷酸铁锂电池组soc估算的研究

磷酸铁锂电池组soc估算是为了更好的应用电池组作为动力电池。文中选用了二阶RC电池模型，应用噪声自适应匹配的无迹卡尔曼滤波法来估算电池组的soc，提高了卡尔曼滤波算法的准确度。仿真结果以及实验验证，证实该算法具有较高的估算精度，用时soc估算的效果较好。

动力电池组的soc计算是动力电池组BMS系统运行的重要前提。准确的估算动力电池组的soc能够提高电池的安全性能，有效的保护电池，延长电池组的使用寿命，提高电池的使用效率。

动力电池组的soc估算难点在于电池组系统动态特性比较复杂，因此建立合适的电池模型，选择合适的估算方法是soc估算的关键。常见的电池模型主要是电化学模型、神经网络模、等效电路模型，文中选择的是2阶RC等效电路模型，该模型能够较准确的反应电池组的动态特性。卡尔曼滤波算法能够实时的追踪系统的状态，适合用于动力电池组的soc估算研究。

卡尔曼滤波算法是应用于线性系统的估算方法，而电池组是一个复杂的非线性系统，因此有采用泰勒展开来将非线性系统线性化的扩展卡尔曼滤波（EKF）算法，EKF算法能够较好的应用于电池组soc估算研究但计算的过程较为复杂，计算的稳定性较差，因此文中采用的是无迹卡尔曼滤波（UKF）算法，UKF算法通过对系统的状态变量进行UT变换，将状态变量转化为符合状态变量统计特性的几个采样点，再带入系统方程中运算。UKF算法相比EKF算法计算简单，算法稳定。

为了进一步提高计算精度，文中对于系统的噪声采用自适应匹配的算法，实时的更新系统的状态噪声和观测噪声，能够进一步提高系统方程的准确程度，提高算法的精度。