基于PNGV模型的锂离子电池荷电状态估计

目的 提升不同老化情况下的锂离子电池荷电状态(SOC)估计精度。方法 基于PNGV模型(Partnership for a New Generation of Vehicles)，对锂离子电池SOC进行估计。首先通过双线性变换对PNGV模型进行离散化，采用带有遗忘因子的递归最小二乘法(FFRLS)，对电池模型参数进行在线辨识，利用卡尔曼滤波(EKF)算法进行SOC估计，并通过动态工况验证SOC估计精度。结果 以多种误差指标考察不同循环下的试验数据，在不同电池老化状态下具有较好的预测精度。相比基于Thevenin模型的算法，基于PNGV模型的算法可以将SOC平均绝对误差减少约60%，同时也可以将SOC估计最大绝对误差波动范围降低53.8%。结论 本算法引入PNGV模型后，解决了基于Thevenin模型算法误差大、不稳定的问题，提升了动力电池系统在不同老化环境下的适应性。