铅酸电池荷电状态计算算法研究——基于无味卡尔滤波的混合SOC预测算法

摘要

铅酸电池在日常生活和工业应用中发挥着举足轻重的作用，但由于电池容量有限而又无法直接测量，经常因为电池没电引发各种故障。为了保证电池更可靠和安全的使用，实时在线预测电池剩余容量(SOC)对有效管理电池显得尤为重要。然而，铅酸电池充放电过程是一个复杂的电化学过程，其剩余容量受到多种因素的影响，且应用环境对SOC预测精度的要求越来越高，但目前预测手段又很有限，无法很好的满足条件。常用手段只能根据电池外部因素与容量的关系来预测，且预测精度也不是很高。作为电池管理的研究核心与热点之一，本文将研究铅酸电池SOC并对其建模仿真，以期为该研究重点提供理论依据。
　　 本文首先综述了电池SOC预测技术的研究现状；并对铅酸电池的工作原理、电特性进行了详细地介绍；其次，深入分析了铅酸电池充放电过程及影响剩余容量的因素；然后介绍了几种常用预测算法并重点阐释了无味卡尔曼滤波，为铅酸电池剩余容量预测技术的研究奠定了基础。
　　 通过对现有预测技术的对比研究，以固定型排气式启动铅酸电池为对象，针对铅酸电池SOC预测技术及其工程实现等问题进行了研究，提出了一种基于无味卡尔曼滤波的预测方法。在对铅酸电池进行充放电实验的基础上，以充放电电流、工作电压和温度等外部变量为输入参数，以标准电流下的电池SOC值为参考标准，采用最小二乘法回归分析进行训练，建立了铅酸电池外部因素与容量的关系模型，提出了可变额定容量的定义，通过算法递归方程进行预测，从而判断出各时刻的铅酸电池SOC值。
　　 本文通过对仿真和实验的结果进行横向比较。实践证明，这种自适应控制方法不仅实现了对电池剩余容量的离线预测，而且精确度很高，尤其对变电流工况特别有效；同时本文研究的工作将有助于完善电池管理系统，为电池容量预测的控制策略仿真和实现提供了一种理论依据。