磷酸铁锂（LFP）电池化学因其高本质安全性、快速充电和长循环寿命而被广泛用于混合动力电动汽车（HEV）和电动汽车（EV）的储能。然而，在运行时准确估计LFP电池的荷电状态（SOC）需要解决三个主要挑战：
- 电流脉冲后达到开路电压（OCV）的长电压松弛时间
- 时间、温度和SOC相关滞后
- 在大部分SOC范围内，OCV-SOC曲线非常平坦
鉴于这些问题，传统的荷电状态（SOC）估计技术，如使用荷电状态-开路电压（SOC-OCV）相关曲线进行误差校正的库仑计数，不适用于这种化学。
本文通过一种新的扩展卡尔曼滤波器（EKF）组合解决了这些挑战算法、两RC块等效电路和传统的库仑计数法。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项。SOC估计通过受伪随机噪声污染和初始条件下的偏移。即使对初始SOC施加40%的误差，对电流测量施加25%的误差，该模型也快速收敛到真实SOC的4%以内。
这篇论文,，商用电力导向LFP锂电池SOC估计的简化扩展卡尔曼滤波模型，在SAE世界大会上发表。
阅读全文.
