磷酸铁锂(LFP)电池化学因其高安全性、快速充电和长周期使用寿命而被广泛应用于混合动力汽车(HEVs)和电动汽车(EVs)中。然而，要准确估计LFP电池在运行时的荷电状态(SOC)，需要解决三个主要挑战:
- 较长的电压松弛时间，以达到其开路电压(OCV)后的电流脉冲
- 与时间、温度和socc相关的滞后
- 非常平坦的OCV-SOC曲线的大部分SOC范围
针对这些问题，传统的电荷状态(SOC)估计技术，如利用电荷状态开路电压(SOC- ocv)相关曲线进行库仑计数并进行误差修正等，都不适合这种化学过程。
本文将扩展卡尔曼滤波(EKF)算法、双rc块等效电路和传统的库仑计数方法相结合，解决了这一难题。EKF算法的简化实现为车辆运行时SOC评估提供了一个计算效率高的选择。在初始条件下，用含有伪随机噪声和偏移量的电流剖面的实验数据对SOC估计进行了验证。该模型对初始荷电状态的误差为40%，对电流测量的误差为25%，但很快收敛到实际荷电状态的4%以内。
这篇文章中,商用电力LFP锂电池SOC估计的扩展卡尔曼滤波模型的简化，在SAE世界大会上介绍。
