锂电池SOC、SOH及SOP估计的改进算法研究.pdfVIP

摘要

在当前的社会环境下，锂离子电池广泛应用于各个行业，尤其是在无污染、

重量轻的新能源电动车领域。对锂电池的荷电状态(StateofCharge,SOC)、健康

状态(StateofHealth,SOH)及峰值功率(StateofPower,SOP)的精确估计对提升电

池的使用效率和性能有重要的意义。本文围绕锂离子电池SOC、SOH及SOP的

估计算法展开研究，进行了如下工作：

现有SOC的估计方法中仅仅加入了温度校正系数，无法得知温度对电池内

部各参数的影响，而电池参数的改变又会影响SOC估计的准确度。针对此问题，

考虑了温度变化对电池内部参数影响，提出了一种考虑温度的滑模观测法

(SlidingModeObserver,SMO)进行SOC估计。基于HPPC(HybridPulsePower

Characterization)实验得到的详细数据，建立了18650锂电池的一阶Thevenin模

型，并进行了不同温度条件下的参数辨识。最后，通过Typhoon进行半实物实

验分析，结果表明，改进SMO在常温下的误差降低约2.3%，低温下的误差降低

约3%。

SOC及SOH的估计大多采用独自估计的方法，估计速度快，但估计误差相

对较大。针对此问题，本文基于上述改进SMO算法的基础上，设计了双滑模观

测器(DualSlidingModeObserver,DSMO)对SOC和SOH进行联合估计。联合估

计实现了两者之间的循环迭代，考虑其耦合效应及温度变化导致的参数变化，进

SOCSOHTyphoon

一步增强和的估计精度。通过的仿真实验可以得知，所构建

的DSMO联合估计算法，不论是在低温还是常温工况下，SOC的估计误差降低

了0.04%，SOH估计误差始终维持在2%的范围内。

锂电池的SOP的估计是对电池在未来短期内所能提供的功率的预测。电动

车在行驶过程中，为了避免对电池造成伤害，电池的最大充放电电流和截止电压

都会受到限制，同时必须保留一定的电池储能余量，以保证电池满足车辆爬坡、

加速和制动能量回收时的动力需求。因此，本文考虑了SOC约束、端电压约束

和电流特性约束组成的多条件约束对SOP进行估计，并通过Typhoon进行仿真

验证。结果显示，在不同的温度条件下的估计误差不超过2.5%。

关键词：锂离子电池；SOC估计；SOH估计；SOP估计

I

ABSTRACT

Inthecurrentsocialenvironment,lithium-ionbatteriesarewidelyusedin

variousindustries,especiallyinthefieldofpollution-free,lightweightnewenergy

electricvehicles.AccurateestimationoftheStateofCharge(SOC),StateofHealth

(SOH)andpeakPower(SOP)oflithiumbatteriesisofgreatsignificancetoimprove

theefficiencyandperformanceofbatteries.Thispapertakestheestimation

algorithmsofSOC,SOHandSOPoflithiumbatteryastheresearchobject,and

carriesoutthefollowingwork:

TheexistingmethodsforestimatingSOConlyincludetemperaturecorrection

coefficients,whichcannotdeterminetheimpactoftemperatureonvariousinternal

parametersofthebattery,andchangesinbatterypara